Kaggle 学习
[Kaggle 学习](https://www.kaggle.com/learn)
提供大多数数据科学主题的动手课程。这些短期课程为你提供开始自己项目所需的一切，包括深度学习和计算机视觉项目。
[深度学习课程](https://www.kaggle.com/learn/deep-learning)
将为你提供在本次竞赛及类似竞赛中取得成功所需的一切。
其他 Python 教程
[使用 Keras 的深度神经网络](https://www.kaggle.com/poonaml/digit-recognizer/deep-neural-network-keras-way)
涵盖预处理，包括特征标准化和独热编码
使用 Keras 实现人工神经网络方法
[使用 Keras 的简单深度 MLP](https://www.kaggle.com/fchollet/digit-recognizer/simple-deep-mlp-with-keras/code)
使用 Keras 实现 MLP（多层感知器）的简单实现
从 Keras 的作者 Francois Chollet 学习 Keras！
[降维的介绍](https://www.kaggle.com/arthurtok/digit-recognizer/interactive-intro-to-dimensionality-reduction)
介绍并比较 PCA、LDA 和 t-SNE 降维技术
使用 Plotly 库进行直观、交互式的可视化
其他 R 教程
[随机森林基准](https://www.kaggle.com/benhamner/digit-recognizer/random-forest-benchmark/code)
实现随机森林算法的最小示例
[在 R 中构建自己的神经网络](https://www.kaggle.com/russwill/digit-recognizer/build-your-own-neural-network-in-r)
从头开始实现一个简单的两层神经网络
基于斯坦福大学提供的 CS231n 课程
[最小距离分类器](https://www.kaggle.com/olhacher/digit-recognizer/minimum-distance-classifier)
使用最小距离作为分类的一种简单方法