机器学习资料：书籍，资源，方法

机器学习经典书籍：http://www.cnblogs.com/xmphoenix/p/3683870.html
介绍几本专业书籍（文章写成于2012年左右）：http://blog.csdn.net/xiaxiazls/article/details/46713781
知乎：https://www.zhihu.com/question/21714701
推荐！国外程序员整理的机器学习资源大全: http://blog.jobbole.com/73806/
自然语言资料： http://www.52nlp.cn/resources
Deep Learning学习笔记整理：http://blog.csdn.net/zouxy09/article/details/8775360/

数学基础

微积分：偏导数，梯度等等
概率论与数理统计：极大似然估计，中央极限定理，大数法则
最优化：梯度下降，牛顿-拉普拉斯，变分法（欧拉-拉格朗日方程），凸优化等

1.线性代数:

Introduction to Linear Algebra
http://open.163.com/special/opencourse/daishu.html
http://open.163.com/special/opencourse/mitxianxingdaishuxitike.html

2.概率论
http://open.163.com/special/Khan/probability.html

3.统计学
几种类型的书：

http://open.163.com/special/Khan/khstatistics.html

4.微积分
http://v.163.com/special/sp/singlevariablecalculus.html
重点：http://open.163.com/special/opencourse/weijifen.html

5.数值优化：Numerical_Optimization admm（boyd优化算法论文）
http://stanford.edu/class/ee364a/index.html

机器学习公开课：
Stanford Machine Learning 课程，里面的notes很不错。
http://cs229.stanford.edu/materials.html

ML by Andrew Ng in coursera : 这个比较适入门的时候看，可以配合三个机器学习教材）
http://open.163.com/special/opencourse/machinelearning.html

Machine Learning Notes in cousera ：如果没有时间看2中的视频的话，可以直接看这个博客：

http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/default.html?page=1

进阶（选择）学习：
Pattern Recognition And Machine Learning（有点偏Bayesian了，初学者看起来可能有些困难，可以和机器学习，统计学习方法，机器学习公开课视频结合起来看）
The Elements of Statistical Learning
Machine Learning: A Probabilistic Perspective
《PRML》、《ESL》、《MLAPP》这类进阶类书籍。包涵大量理论知识和数学推导（尤其是习题），有助于了解Machine Learning方法背后的本质和思想。
Machine Learning学习的过程，就是一个 what -> how -> why 的过程。而PRML，或者说同类的ESL等书籍，最大的作用就是让你知道为什么会有这样的方法，为什么会有这样的模型，它背后的intuition和motivation是什么。而这恰恰是一个Machine Learning Researcher想要进一步使用模型、看懂别人paper中的模型、甚至自己提出新模型的基础。看PRML会带给你在Machine Learning上的理解和使用能力一个质的飞跃。

Convex Optimization: Boyd

下面是专业方向书籍）
Introduction to Information Retrieval（信息检索入门书籍）
Modern Information Retrieval（现代信息检索第二版）
Foundations of Statistical Natural Language Processing（自然语言处理经典之作）
斯坦福自然语言处理公开课： http://www.52ml.net/14247.html
http://www.52nlp.cn/category/mit-nlp

深度学习方面：
Deep learning 书籍
斯坦福在线深度学习教程：http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文）
http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文）
Neural Networks and Deep Learning（免费在线书籍）：http://neuralnetworksanddeeplearning.com/index.html
深度学习框架：tensorflow caffe 等（使用学习，源代码学习）

机器学习（书籍推荐）相关推荐

python学习书籍推荐-Python语言之6本机器学习书籍推荐
本篇文章主要讲述Python语言之6本机器学习书籍推荐,希望阅读本篇文章以后大家有所收获,帮助大家对相关内容的理解更加深入. 机器学习是实现人工智能的一种途径,它和数据开掘有一定的相似性,也是一门多领 ...
数据挖掘、机器学习书籍推荐！！
强烈推荐:<机器学习> (西瓜书) 入门读物: <深入浅出数据分析> 这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了R是大加分.难易程度:非常易. <啤酒与 ...
超实用！Python机器学习书籍推荐——《Python神经网络编程》（一定要看到最后）
听说有小伙伴想学习关于Python机器学习,那么今天为你们推荐一本关于人工智能机器学习的书籍--<Python神经网络编程>,超实用. 豆瓣评分9.1分,非常受机器学习的小伙伴喜欢哦. 本 ...
2022年必读的12本机器学习书籍推荐
"机器学习:计算机无需专门编程即可从经验中学习." 最近这十年以来,人工智能和机器学习已经获得了广泛的关注,每个人都希望成为这一变化的一部分.企业希望掌握该技术的优势,而专业人士则 ...
控制和机器学习书籍推荐
绘图:Geogebra和Visio http://muchong.com/bbs/viewthread.php?tid=4523749&fpage=1 现代控制理论粗略讲包括三个部分:线性系统 ...
机器学习资料推荐 URL
1 http://blog.csdn.net/poiiy333/article/details/10282751 机器学习的资料较多,初学者可能会不知道怎样去有效的学习,所以对这方面的资料进行了一个 ...
从零实现来理解机器学习算法：书籍推荐及障碍的克服
从零实现来理解机器学习算法:书籍推荐及障碍的克服发表于2015-09-10 16:16| 1261次阅读| 来源Machine Learning Mastery| 2 条评论| 作者Jason ...
机器学习部分书籍推荐
先说一下我看过的和正在看的一些书吧! <数学之美>:作者吴军大家都很熟悉.这本书主要的作用是引起了我对机器学习和自然语言处理的兴趣.里面以极为通俗的语言讲述了数学在这两个领域的应用. ...
日本好的机器学习，深度学习相关书籍推荐
日本好的机器学习,深度学习相关书籍推荐日文书名:ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装中文书名:用Python从0开始深度学习理论与实践作者: ...
机器入门必修：国际名校机器学习课程书籍推荐
当提到机器学习时,最重要的不仅是理论知识,更重要的是实战经验.而要获得这些经验,就必须阅读一些权威的书籍. 机器学习这是一门涵盖了黑客技术.数学与统计学的高级技术领域.它需要拥有丰富的理论知识和技能的 ...

机器学习（书籍推荐）

机器学习资料：书籍，资源，方法

机器学习（书籍推荐）相关推荐

最新文章

热门文章