kaggle社区。全球最大的人工智能比赛社区。比赛众多，且种类难度都有分类。社区中各个比赛下，参赛者会在讨论区积极交流，提供kernel（解决方法）。对初学者也十分友好。
Competitions | Kaggle
天池大数据比赛，阿里巴巴主办。很多赛题都来源于企业实际工作中遇到的难题。比赛普遍分为两个阶段，在复赛中取到好成绩的队伍会受邀到杭州现场答辩，对以后求职十分有帮助。缺点是讨论区不活跃，难以了解优胜者的解法，对以学习为目的的同学不太友好。
天池大数据众智平台-数据科学家社区
AI Challenger，李开复联合几个公司举办的，今年是第一届。主赛道题目多为科研界和工业界交叉领域的热门问题，如机器翻译、场景识别等，数据量大，需要成熟的算法（复杂的深度学习模型）。基本上单独的参赛者是很难尝试了。参赛者应该多为高校、研究机构课题组的group。
AI Challenger - 全球AI挑战赛
Data Fountain，承办多家机构与各类公司的比赛，种类众多。
DF,CCF指定专业大数据竞赛平台
sklearn，使用最广泛的机器学习算法包。除了算法外，还包括数据预处理、交叉验证等众多模块。
scikit-learn: machine learning in Python — scikit-learn 0.19.0 documentation
TensorFlow，使用最广泛的深度学习算法包。谷歌开发，持续更新。
开始使用 | TensorFlow
TensorFlow API
keras，tensorflow（也有基于其它主流深度学习框架）的高级抽象API，十分适用于深度学习新手。
Keras中文文档
XGBoost，GBDT的优化实现，速度快，效果好。
XGBoost Parameters — xgboost 0.6 documentation
LightGBM，微软的GBDT优化实现，比XGBoost更快，效果相当。
Python API — LightGBM documentation
CatBoost，俄国一家科技公司开源的GBDT优化实现，直接支持类别特征。
CatBoost - open-source gradient boosting library
matplotlib，画图工具包。基本其他主流的工具包都是以该包为基础实现的。
Matplotlib: Python plotting — Matplotlib 2.0.2 documentation
seaborn，可视化工具包。
seaborn: statistical data visualization — seaborn 0.8.1 documentation
plotly，可视化工具包。
Python Graphing Library, Plotly
待补充…