机器学习方向的代码资源里，《机器学习及深度学习笔记》算是比较全的一个，内容覆盖从基础数学到深度模型推导，还夹杂了不少实用代码，调包也好，手写也行，反正就是手把手教你怎么搞。

基础数学部分挺扎实的，像线性代数、概率论这些底层知识，不只是讲概念，还会结合算法怎么用，推公式也都讲得比较清楚，适合那种想搞懂底层逻辑的你。

算法实现这块有意思，常用的分类、聚类、回归，每种都配了 Python 调包和手推版本，实用性还蛮强的。比如用sklearn一行就能搞定逻辑回归，再教你自己推一遍。

配套的资源也挺多的，比如下面这几个文章：一个讲Python 实现的主流算法，一个梳理了常用开源数据集，还有一个主打表格数据的，对入门和进阶都挺有的，直接拿来练手也 OK。

数据挖掘方向你要是想深入一点，像预测性建模和表格深度学习这类比较冷门但实战性强的内容，这套资料里也有涉及，虽然讲得不多，但都是干货，能帮你少走不少弯路。

如果你最近正好在啃算法或者准备入坑深度学习，可以把这份笔记当工具书看，用到啥翻到哪，挺省事的。而且文章都带源码和，对前端转算法的你也友好。