资源中包含三个PDF，分别是大牛整理的吴恩达机器学习视频课笔记完整版、深度学习笔记最新版以及吴恩达新书（Machine Learning Yearning）。三本书理论与实践结合，学习了机器学习算法后，Machine Learning Yearning将展示如何构建机器学习项目，使机器学习算法发挥作用。配合网易云吴恩达老师的视频一起食用效果更佳呦！

机器学习训练AI游戏小鸟越过障碍，可达到150分左右甚至更高，里面还含有一些常见的人工智能专业的题目，更好的是里面的报告内容非常详细还有学习心得等，都是作者亲自做的，为的就是给师弟师妹啊。

泰坦尼克号的生存预测原始数据，以及Kaggle的下载网站

yolov3 代码包 yolov3 代码包 yolov3 代码包

这是网上已经训练好的tensorflow模型，压缩包里头包含一个所有训练标签的txt档及训练好的model，为pb格式保存，共训练了1000种不同类型的图片

2.共享单车需求数据集 这个数据集非常有趣。它对于初学者来说有点复杂，但也正因如此，它很适合拿来做练习。它包含了华盛顿特区“首都自行车共享计划”中自行车租赁需求的数据，自行车共享和租赁系统通常是很好的信息来源。这个数据集包含了有关骑行持续时间、出发地点、到达地点和经过时间的信息，还包含了每一天每小时的天气信息。

3.葡萄酒分类数据集 这是一个经典之作。如果你喜欢葡萄树或计划成为索马里人，肯定会更中意它的。该数据集由两个数据集组成。两者都包含来自葡萄牙 Vinho Verde 地区的葡萄酒的化学指标，一种用于红葡萄酒，另一种用于白葡萄酒。由于隐私限制，数据集里没有关于葡萄种类、葡萄酒品牌、葡萄酒售价的数据，但有关于葡萄酒质量的信息。

1.帕尔默企鹅数据集 这是迄今为止我最喜欢的数据集。我在最近写的书里的大多数示例都来自于它。简单来说，如果你在 Iris 数据集上做实验做腻了就可以尝试一下这一个。它由 Kristen Gorman 博士和南极洲 LTER 的帕尔默科考站共同创建。该数据集本质上是由两个数据集组成的，每个数据集包含 344 只企鹅的数据。

对论文SecureML的一些自己的理解，利用秘密分享来进行机器学习训练，从而保证数据的隐私性。

比马印第安人糖尿病数据集（Pima Indians Diabetes Dataset）涉及根据医疗记录预测比马印第安人5年内糖尿病的发病情况。 它是一个二元分类问题。每个类的观察值数量不均等。一共有 768 个观察值，8个输入变量和1个输出变量。缺失值通常用零值编码。变量名如下： 怀孕次数 口服葡萄糖耐受试验中，2小时的血浆葡萄糖浓度。 舒张压（mm Hg） 三头肌皮肤褶层厚度（mm） 2小时血清胰岛素含量（μU/ ml） 体重指数（体重，kg /（身高，m）^ 2） 糖尿病家族史 年龄（岁） 类变量（0 或 1） 预测最普遍类的基准性能是约 65％ 的分类准确率，最佳结果达到约 77% 的分类准确率。