今天我们推荐的既是一个开源项目更是一本书，它是由技术界的大神Abhishek Thakur 所作，可以帮你解决(几乎)所有机器学习的问题，开源项目在GitHub 有 6K Star，它就是：approachingalmost。
approachingalmost是什么?
approachingalmost是作者取项目名称时候的简写，书名是：《Approaching (almost) any machine learning problem》。听听这个名字就觉得霸气，本书介绍了如何应对 ML 和 DL 过程中遇到的挑战，而非单纯地解释算法。该书内含大量代码，适合有一定ML与DL理论基础，想深入研究应用机器学习的读者阅读。
关于作者
作者 Abhishek Thakur 真的是来头不小，他在kaggle上累计拿了1000多块奖牌，最高排名排到第三，妥妥的技术大神。他是 boost.ai公司的首席数据科学家，所以在机器学习领域真的是研究已久。
其实做个项目来说作者创造已经很久了，2017年，他在 Linkedin 发表了一篇名为Approaching (Almost) Any Machine Learning Problem的文章，介绍他建立的一个自动的机器学习框架，几乎可以解决任何机器学习问题，这篇文章曾火遍 Kaggle。
后来作者将他文章的内容整体丰富，最后出了一本书，可以算是机器学习的优质入门学习材料。
关于书籍
《Approaching (almost) any machine learning problem》有足足300页，内容可以说是非常的充实。作者在 kaggle 上获得那么多的奖牌，这本书可以说是他理论+实践的最佳产物。本书在讨论中相对会更侧重应用机器学习模型，例如预处理步骤等。以下是本书的目录
目录
- Setting up your working environment
- Supervised vs unsupervised learning
- Cross-validation
- Evaluation metrics
- Arranging machine learning projects
- Approaching categorical variables
- Feature engineering
- Feature selection
- Hyperparameter optimization
- Approaching image classification & segmentation
- Approaching text classification/regression
- Approaching ensembling and stacking
- Approaching reproducible code & model serving
另外现在网上的爱好者将书籍中的大部分进行了翻译，里面有些内容相对简单他就没有全部翻译，翻译的内容如下：
毕竟不是每一个同学的英语都那么好，所以翻译版真的是大家的学习福音啊，也万分感谢翻译的同学。
项目信息
- 项目名称：Approaching (almost) any machine learning problem
- GitHub 链接：https://github.com/abhishekkrthakur/approachingalmost/tree/master
- Star 数：6K+
为了方便不方便访问GitHub的同学，我把英文原版和翻译版都进行了整理，如果有需要可以直接私信回复：AAAMLP，就可以获取下载了。
