主要博客主要是关于Python编程语言，计算机科学以及机器学习方面书籍资料的分享。

关于Python语言学习：

书籍分享目录：

1.《Python语言及其应用》(and《Pyhton核心编程》)

2.《Python编程：从入门到实践》

3.《Python学习手册》

4.《Python科学计算第二版》

学习建议：

建议先看《Python语言及其应用》（或者《Python核心编程》，但是这本书主要讲的是Python2版本，内容有点落后，实际上不太建议按照这本书进行学习），之后再跟着《Python编程：从入门到实践》里的例子做一遍，基本Python语法就算是掌握了。最后有时间的话看看Python3中文教程进行查漏补缺。

计算机科学：

学习资料目录：

1.MIT-600计算机科学及编程导论视频公开课

2.《计算机组成与设计 硬件软件接口》

3.《计算机程序的构造和解释》

4.《Automate the Boring Stuff with Python》

学习建议：

其中MIT600-计算机科学及编程导论视频公开课是2008年麻省理工Prof. Eric Grimson和Prof. John Guttag以Python为例上的一门编程入门课，内容比较简单，一节课大概50分钟（请原谅渣画质导致的课上进行演示的代码看不清-。-）。
如果想要了解一些计算机软硬件入门知识的话，推荐阅读《计算机组成与设计 硬件软件接口》。
《计算机程序的构造和设计》是以Scheme语言讲解计算机的计算思维。
《Automate the Boring Stuff with Python》建议作为Python学习的补充资料。

Python网络数据采集

学习资料目录：

1.《HTTP权威指南》

2.《CSS权威指南（第三版）》

3.《Python网络数据采集》

学习建议：

前面两本书主要介绍互联网的基本构架原理。而《Python网络数据采集》则一步步引导使用Python收集互联网上的数据。

Machine Learning

学习资料目录：

1.《深度学习入门：基于Python的理论与实现》

2.《斯坦福大学机器学习课程原始讲义》

3.（Adaptive computation and machine learning）Daphne Koller_Nir Friedman-Probabilities graphical models_principles and techniques-MIT press

4.《Python in Practice》(2013.8)Mark_Summerfield 文字版

5.《挖掘社交网络(Mining the Social Web)》

6.《Building Machine Learning》

7.《Introduction to time series and forecasting》

8.《MLY_V0.5_Full_Draft》

9.《Sentiment analysis and opinion mining》

学习建议：

这是我科研之余收集的机器学习的资料，供有兴趣的小伙伴取阅。

Fortran 95

学习资料目录：

1.《Fortran95程序设计》(彭国伦)

学习建议：

想要用Fortran90编写用于科学计算脚本的同学，可以看看这本书，上手比较简单。

资料分享链接
提取码：cljn

封面图片出处