原文：
www.kdnuggets.com/2016/04/top-10-ipython-nb-tutorials.html
本文由 10 个 Github 代码库组成，这些代码库部分或全部由 IPython（Jupyter）笔记本构成，重点传授数据科学和机器学习概念。它们涵盖了从基础 Python 材料到 TensorFlow 和 Theano 的深度学习，并在中间有很多内容。
哦，它们都是 Python 相关的。Jupyter 现在支持多种语言，但这个列表是老派的，完全是 IPython Notebook 风格的材料。
1. Google 网络安全证书 - 快速进入网络安全职业的快车道。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织的 IT
以下是 10 个有用的 IPython Notebook Github 代码库，按无特定顺序排列：
用于数据分析和机器学习项目的教学材料、代码和数据的代码库
这个热身笔记本来自博士后研究员Randall Olson，他使用常见的 Python 生态系统数据分析/机器学习/数据科学堆栈来处理Iris 数据集。虽然它只是一个笔记本，但这是一个很好的起点，因为它激发了你对所有分析工具的兴趣，包括可视化。它还帮助你专注于用数据讲故事。
"Python 机器学习"书籍的代码库和信息资源
这是由Sebastian Raschka编写的精彩书籍《用 Python 进行机器学习》的配套代码。我不常推荐许多材料，但我强烈推荐这本书。这个代码库也很棒，是一个极好的资源。然而，建议你还是买一本自己的书，以全面理解代码库的内容，并充分融入 Python 生态系统中的机器学习。
自主学习数据科学的开放内容。
这是一个笔记本和数据集的集合，主要由尼廷·博尔万卡整理，涵盖了 4 个算法主题：线性回归、逻辑回归、随机森林和 k 均值聚类。这些看似简单的教程，尽管对于新手来说可能最有用。
我关于 scikit-learn 教程的资料。
这个由杰克·范德普拉斯创建的仓库，旨在通过几种不同的机器学习算法来教授Scikit-learn。其中涉及到的有趣话题包括验证、高斯混合模型的密度估计和主成分分析（PCA）的降维；你还会学到 k 均值、回归和分类等标准算法，放心。该资料最适合机器学习的初学者，或者有一定理解但希望掌握 Scikit-learn 的人。
机器学习算法的 Python 代码示例和文档。
亚伦·马西诺分享了一系列非常详细、非常技术性的机器学习 IPython Notebook 学习资源。这个简单标题的仓库中的笔记本受到了安德鲁·恩的《机器学习》课程（斯坦福大学，Coursera）、汤姆·米切尔的课程（卡内基梅隆大学）以及克里斯托弗·M·比肖普的《模式识别与机器学习》的启发。
与 2013 年秋季聚会相关的幻灯片、代码及其他信息。
来自 UC Boulder 研究计算组的这个较旧的笔记本集合（来自 2013 年秋季）涵盖了广泛的材料，显然专注于使用 Linux 命令行进行数据管理。涵盖了许多常用库、shell 编程和 Linux 命令行基础，至少实现了一篇当时的论文。它似乎还涉及了一些 Kaggle 竞赛，所以你会在这个集合中获得一些多样的内容。
一组关于神经网络的教程，使用 Theano。
博士生科林·拉费尔编写了这套使用 Theano 的深度学习教程。它包含两个笔记本：一个通用的 Theano 神经网络教程和一个关于反向传播的概述。这是一个很好的入门资源，用于开始学习深度学习和 Theano。
一组以 ipynb 格式呈现的教程，展示了如何在 Theano 中完成各种任务。
这是 Colin Raffel 的入门 Theano 笔记本的一个很好的后续。詹姆斯·伯格斯特拉通过这个项目带我们深入了解神经网络架构，涵盖了更多的 Theano 练习。它包括一些入门级 Python 材料，以及更高级的主题如自编码器。它还链接到一些相关材料。
一系列涵盖各种主题的 IPython 笔记本
这是由约翰·维滕纳尔整理的一个丰富的混合项目，其中包括 Ng 的 Coursera 课程练习的 Python 实现、Udacity 的 TensorFlow 导向深度学习课程练习和 Spark edX 课程练习。机器学习、深度学习和大数据处理框架：这就是“数据科学”的本质了，各位。
《统计学习导论》（James, Witten, Hastie, Tibshirani, 2013）：Python 代码
这是一个由乔尔迪·沃门霍文主办的伟大项目，旨在将 James、Witten、Hastie 和 Tibshirani（2013）所著《应用于 R 的统计学习入门》一书中的概念实现到 Python 中（正如你可能已经猜到的那样，这本书在 R 中有实际练习）。这本书以 PDF 格式免费提供，这使得这个仓库对那些希望学习的人来说更具吸引力。
相关内容：
-
Scikit-learn 和 Python 栈教程：介绍，分类器实现
-
掌握 Python 机器学习的 7 个步骤
-
理解深度学习的 7 个步骤