我们将在机器学习和神经网络教程中使用的书是由aur2013.2013.11编写的《动手机器学习与Scikit-Learn和TensorFlow》。
下学期的机器学习教程将需要线性代数和概率论的基础知识。在几乎每一种情况下，我都会在遇到这些主题时提供涵盖这些主题基础知识的迷你讲座。即便如此，你可能会发现，在12月的假期里，在1月开学之前，复习一下这些主题的知识是很有用的。
以下是你应该熟悉的一些具体话题。
网上有一本免费的线性代数教科书，网址是http://linear.ups.edu/html/fcla.html，我建议你看一下关于向量、向量空间、特征值和表示的章节。
在http://greenteapress.com/thinkstats2/html/index.html上有一本免费的在线书籍，介绍了Python程序员的统计知识。
您可能还想在https://see.stanford.edu/materials/aimlcs229/cs229-prob.pdf上查看机器学习概率论的回顾。（这里涉及的一些主题超出了我们下学期将要讨论的范围。）