该工程主要包含机器学习学习过程中收集的相关资料和实践代码。

资料主要包括：

* Machine Learning Glossary---This glossary defines general machine learning terms as well as terms specific to TensorFlow.

* awesome-machine-learning-on-source-code---Interesting links & research papers related to Machine Learning applied to source code

* state-of-the-art-result-for-machine-learning-problems---This repository provides state of the art (SoTA) results for all machine learning problems.

* awesome

* 时间序列数据分析

* 自然语言处理NLP

* 基本机器学习算法相关资料

* 深度学习相关资料

* tensorflow相关资料

* kaggle相关资料

* jupyter相关资料

* MachinLearningOnSpark

* 实践代码

cheat sheet

ML

machine learning cheat sheet

numpy

numpy cheat sheet

pandas

pandas cheat sheet

实操 | 内存占用减少高达90%，还不用升级硬件？没错，这篇文章教你妙用Pandas轻松处理大规模数据

scikit learn

charts

pyecharts

代码

实践代码主要基于python 3.6.1，依赖的module有：

* numpy+mkl(最好使用whl安装)

* scipy（最好使用whl安装）

* pandas

* matplotlib & seaborn

* ipython

* jupyter

whl url

python module lib whl