这些天，抽空读了一下人工智能基础（高中版），觉得作为高中科普教材，还是非常不错的，五星好评推荐。
下面会针对每一章的内容，依据兴趣等补充一些资料。
2018年10月更新链接（人工智能开放课程，点击红旗就是中文版）：https://github.com/Yorko/mlcourse.ai
大纲
这是medium.com上发布的文章列表 ，habr.com 和jqr.com 。图标是可点击的。此外，还提供了Kaggle Kernels（英文）的链接。这样就可以在不安装单个包的情况下重现所有内容。
使用Pandas进行探索性数据分析 ，Kaggle Kernel
Python的可视化数据分析 ，Kaggle Kernels：part1，part2
分类，决策树和k近邻 ，Kaggle Kernel
线性分类和回归 ，Kaggle内核：第一部分，第2部分，第三部分，第四部分，PART5
套袋和随机森林 ，Kaggle Kernels：part1，part2，part3
特征工程和特征选择 ，Kaggle Kernel
无监督学习：主成分分析和聚类 ，Kaggle Kernel
Vowpal Wabbit：学习千兆字节的数据 ，Kaggle Kernel
使用Python进行时间序列分析，第1部分 。用Facebook Prophet预测未来，第2部分，Kaggle Kernels：part1，part2
渐变提升 ，Kaggle Kernel
讲座
视频选择会上传到此 YouTube播放列表。
介绍，视频，幻灯片
使用Pandas进行探索性数据分析，视频
可视化，EDA的主要情节，视频
决策树：理论和实践部分
逻辑回归：理论基础，实践部分（“爱丽丝”竞赛中的基线）
分配
与熊猫，nbviewer的奥运会探索性数据分析。截止日期：10月14日21:59 UTC + 2
美国航班的探索性数据分析， nbviewer。截止日期：10月21日21:59 UTC + 2
决策树。nbviewer。截止日期：10月28日21:59 UTC + 2。可选：实现决策树算法，nvbiewer（没有webforms和信用，相同的截止日期）
Logisitic回归。nbviewer。截止日期：11月4日21:59 UTC + 2
这些是演示版本。仅仅是为了练习，它们对评级没有影响。
使用Pandas，nbviewer，Kaggle Kernel进行探索性数据分析
分析心血管疾病数据，nbviewer，Kaggle Kernel
带有玩具任务的决策树和UCI成人数据集，nbviewer，Kaggle Kernel
线性回归作为优化问题，nbviewer，Kaggle Kernel
Logistic回归和随机森林中的信用评分问题，nbviewer，Kaggle Kernel
在回归任务，nbviewer，Kaggle Kernel中探索OLS，Lasso和Random Forest
无监督学习，nbviewer，Kaggle Kernel
实现在线回归，nbviewer，Kaggle Kernel
时间序列分析，nbviewer，Kaggle Kernel
渐变助推和航班延误，nbviewer，Kaggle Kernel
Kaggle比赛
如果可以，请抓住我：通过网页会话跟踪检测入侵者。Kaggle Inclass
你的中篇文章有多好？Kaggle Inclass
评分
在整个课程中，我们维持学生评分。它考虑了作业和Kaggle比赛中获得的学分。优秀学生（根据最终评级）将列在特殊的Wiki页面上。
社区
学生之间的讨论在OpenDataScience Slack团队的#mlcourse_ai频道进行。填写此表单以获取邀请。表格还会问你一些个人问题，不要犹豫
更多信息
去mlcourse.ai
该课程是免费的，但您可以通过对Patreon的承诺来支持组织者