close
当前位置: 物联网在线 > 专题 > 技术专题 >

机器学习资源 Machine learning Resources

机器学习资源 Machine learning Resources

快速开始学习:

  • 周志华的作为通读教材,不用深入,从宏观上了解机器学习

  • 李航的作为经典的深入案例,仔细研究几个算法的来龙去脉 | 

  • 使用Python语言,根据快速上手写程序

  • 吴恩达的最新深度学习课程资源:

  • 参照Youtube机器学习红人Siraj Raval的视频+代码可以帮助你更好地进入状态!

    •  | 
  • 来自国立台湾大学李宏毅老师的机器学习和深度学习中文课程,强烈推荐:

  • 最后,你可能想真正实战一下。那么,请到注明的机器学习竞赛平台Kaggle上做一下这些基础入门的吧!(Kaggle上对于每个问题你都可以看到别人的代码,方便你更加快速地学习)   

其他有用的资料:

  • 想看别人怎么写代码?

  • 另外,对于一些基础的数学知识,你看就够了。这本书同时也是深度学习经典之书。

  • 来自南京大学周志华小组的博士生写的一本小而精的


   


研究领域资源细分


开始学习:预备知识 Prerequisite

  • Python

  • Markdown

    •  - Markdown is a easy-to-use writing tool on the GitHu.
  • R

  • Python和Matlab的一些cheat sheet: 包含:

    • Numpy、Scipy、Pandas科学计算库

    • Matlab科学计算

    • Matplotlib画图

  • 深度学习框架

    • Python

      • |
    • Java

    • Matlab


文档 notes

  • , (@Prof. Zhihua Zhang/@张志华教授)


课程与讲座 Course and talk

机器学习 Machine Learning

  

-   

  • ,讲师为Andrew Ng,适合数学基础一般的人,适合入门,但是学完会发现只是懂个大概,也就相当于什么都不懂。省略了很多机器学习的细节

  • , Coursera上的著名课程,由Geoffrey Hinton教授主讲。

  • , Andrew Ng机器学习课无阉割版,Notes比较详细

  • , 讲师是Larry Wasserman,应该是统计系开的机器学习,非常数学化,第一节课就提到了RKHS(Reproducing Kernel Hilbert Space),建议数学出身的同学看或者是学过实变函数泛函分析的人看一看

  • ,同样是CMU phd级别的课,节奏快难度高

  • (适合入门)。国立台湾大学

  • (适合提高)。国立台湾大学

  • , Coursera上Wesleyan大学的Data Analysis and Interpretation专项课程第四课。

  • Max Planck Institute for Intelligent Systems Tübingen,仔细翻这个频道还可以找到2015的暑期学校视频

  • 知乎Live:,

深度学习 Machine Learning

  • 斯坦福大学Feifei Li教授的。Feifei Li目前是Google的科学家,深度学习与图像识别方面的大牛。这门课的笔记可以看。

  • . Course instructors: Chris Manning, Richard Socher.

强化学习 Machine Learning

  • 。 Course instructors: Sergey Levine, John Schulman, Chelsea Finn。

  • . 暂无视频


相关书籍 reference book

  • 入门读物 

  • , (@Prof。 Zhihua Zhou/周志华教授)

  • , (@Dr。 Hang Li/李航博士)

  • :

    • 利用Python进行数据分析

    • 跟老齐学Python:从入门到精通

    • Python与数据挖掘 (大数据技术丛书) - 张良均

    • Python学习手册

    • Python性能分析与优化

    • Python数据挖掘入门与实践

    • Python数据分析与挖掘实战(大数据技术丛书) - 张良均

    • Python科学计算(第2版)

    • Python计算机视觉编程 [美] Jan Erik Solem

    • python核心编程(第三版)

    • Python核心编程(第二版)

    • Python高手之路 - [法] 朱利安·丹乔(Julien Danjou)

    • Python编程快速上手 让繁琐工作自动化

    • Python编程:从入门到实践

    • Python3 CookBook中文版

    • 终极算法机器学习和人工智能如何重塑世界 - [美 ]佩德罗·多明戈斯

    • 机器学习系统设计 (图灵程序设计丛书) - [美]Willi Richert & Luis Pedro Coelho

    • 机器学习实践指南:案例应用解析(第2版) (大数据技术丛书) - 麦好

    • 机器学习实践 测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克(Matthew Kirk)

    • 机器学习:实用案例解析

  • :

    • Algebra - Michael Artin

    • Algebra - Serge Lang

    • Basic Topology - M.A. Armstrong

    • Convex Optimization by Stephen Boyd & Lieven Vandenberghe

    • Functional Analysis by Walter Rudin

    • Functional Analysis, Sobolev Spaces and Partial Differential Equations by Haim Brezis

    • Graph Theory - J。A。 Bondy, U。S。R。 Murty

    • Graph Theory - Reinhard Diestel

    • Inside Interesting Integrals - Pual J. Nahin

    • Linear Algebra and Its Applications - Gilbert Strang

    • Linear and Nonlinear Functional Analysis with Applications - Philippe G。 Ciarlet

    • Mathematical Analysis I - Vladimir A. Zorich

    • Mathematical Analysis II - Vladimir A. Zorich

    • Mathematics for Computer Science - Eric Lehman, F Thomson Leighton, Alber R Meyer

    • Matrix Cookbook, The - Kaare Brandt Petersen, Michael Syskind Pedersen

    • Measures, Integrals and Martingales - René L. Schilling

    • Principles of Mathematical Analysis - Walter Rudin

    • Probabilistic Graphical Models: Principles and Techniques - Daphne Koller, Nir Friedman

    • Probability: Theory and Examples - Rick Durrett

    • Real and Complex Analysis - Walter Rudin

    • Thomas' Calculus - George B。 Thomas

    • 普林斯顿微积分读本 - Adrian Banner

  • :

    • Learning Data Mining with Python

    • Matplotlib for python developers

    • Machine Learing with Spark

    • Mastering R for Quantitative Finance

    • Mastering matplotlib

    • Neural Network Programming with Java

    • Python Machine Learning

    • R Data Visualization Cookbook

    • R Deep Learning Essentials

    • R Graphs Cookbook second edition

    • D3.js By Example

    • Data Analysis With R

    • Java Deep Learning Essentials

    • Learning Bayesian Models with R

    • Learning Pandas

    • Python Parallel Programming Cookbook

    • Machine Learning with R


其他 Miscellaneous

  • :每天更新学术和工业界最新的研究成果


(责任编辑:ioter)

用户喜欢...

机器学习最全面最无痛的入门路径和资源!

最近有不少童鞋给李杰克留言,说自己对机器学习很感兴趣却无从下手,想知道我的学习路径,也希望我可以分享一些适合入门的学习资源给到大家。 在踩过坑、撞过墙、走过弯路之后,我这...


最全机器学习资源整理

机器学习资源浩如烟海,本文对机器学习资源做了相关整理,希望大家能够根据自己的细分研究领域,着重关注某些学习资源。可能某几个网页链接打不开,那说明需要科学上网。机器学习也...


极速快乐8 幸运赛车 上海时时乐 五分时时彩 飞速赛车平台 澳洲幸运10开奖结果 澳洲幸运10开奖结果 快乐赛车平台 吉林快3 极速快3