相信您寻找 pdf、源代码、课件已经很久了，是的，这里免费提供大家一起学习进步。收集整理不易，如果帮到您希望您可以点个赞Star
本项目将持续更新自己的学习笔记，欢迎一起交流。

deep-learning-from-scratch

《深度学习入门-基于Python的理论与实现》，包含源代码和学习笔记。

deeplearning-from-mooc

根据慕课网imooc《深度学习之神经网络(CNN/RNN/GAN)算法原理+实战》，收集整理相关资料。

machinelearning-sklearn

菜菜的机器学习sklearn，手把手教你利用sklearn进行机器学习实战，干货满满，非常棒！
这里收集了该课程全套课件资料+源码。
B站传送门： 菜菜的机器学习sklearn

文件结构

目录	描述
deeplearning-from-mooc	《深度学习之神经网络(CNN/RNN/GAN)算法原理+实战》
deeplearning-from-scratch	《深度学习入门-基于Python的理论与实现》
machinelearning-sklearn	《菜菜的机器学习sklearn》
pdf	pdf资源分享
learningnotes	学习笔记

deep-learning-from-scratch 快速上手指南

本仓库汇集了《深度学习入门 - 基于 Python 的理论与实现》、慕课网深度学习实战以及“菜菜的机器学习 sklearn"等优质课程的源代码、课件及学习笔记，旨在帮助开发者从零开始掌握机器学习与深度学习。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows / macOS / Linux
• Python 版本：推荐 Python 3.6 及以上版本
• 核心依赖库：
  • numpy (数值计算)
  • matplotlib (数据可视化)
  • scikit-learn (机器学习算法，针对 machinelearning-sklearn 模块)
  • pandas (数据处理，部分章节需要)

建议安装 Anaconda 或 Miniconda 来管理 Python 环境，以便更轻松地处理依赖关系。

安装步骤

1. 克隆项目

使用 Git 将仓库克隆到本地：

git clone https://github.com/MemorialCheng/deep-learning-from-scratch.git
cd deep-learning-from-scratch

国内加速提示：如果克隆速度较慢，可使用 Gitee 镜像（如有）或配置 Git 代理。

2. 安装依赖

进入项目根目录，使用 pip 安装所需库。推荐使用国内镜像源以加快下载速度：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注：若项目中未提供 requirements.txt 文件，可手动执行以下命令安装核心库：

pip install numpy matplotlib scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

本项目按课程模块划分目录，您可以根据学习需求进入对应文件夹运行代码。

示例：运行《深度学习入门》章节代码

假设您想运行书中关于感知机（Perceptron）的示例代码：

1. 进入对应目录：

   cd deeplearning-from-scratch/chapter02
   

   (注：具体章节路径请根据实际文件结构调整，通常在 chapterXX 文件夹下)

2. 运行 Python 脚本：

   python perceptron.py
   

示例：运行 sklearn 实战代码

若想体验“菜菜的机器学习”中的预处理案例：

1. 进入对应目录：

   cd machinelearning-sklearn
   

2. 运行特定脚本（例如数据预处理）：

   python 01.preprocess_module.py
   

查看学习笔记与课件

• 笔记：直接浏览 learningnotes 目录下的 Markdown 文件或图片。
• 课件/PDF：所有整理的 PDF 资源均位于 pdf 目录中，可直接下载阅读。

通过运行这些源码并对照 learningnotes 中的笔记，您可以快速复现书中的理论推导与实战效果。