機器學習和深度學習現(xiàn)在越來越火熱，從業(yè)人數(shù)和感興趣的人越來越多敞恋。大家在學習的時候丽啡，是不是感覺到網(wǎng)上的資料很散亂，深淺不一硬猫？自己有限的時間里到底要看哪些資料是最值得的补箍？這個問題在我最近兩年的學習過程里特別糾結(jié)，查詢和篩選資料花費了大量的時間⌒ッ郏現(xiàn)在我的學習結(jié)業(yè)了坑雅，把我看到的想到的一些總結(jié)和相關(guān)的資料分享給大家：
1.開發(fā)框架就選tensforflow就好啦。有Google的支持衬横，選擇學習的人也相對最多裹粤，自然是未來最主流的開發(fā)框架無疑。tensorflow的keras高級API很好用蜂林，不像以前直接用tensorflow的API晦澀難懂蛹尝。主要的開發(fā)框架的對比介紹可以參考《深度學習框架》這篇文章后豫，要更多了解tensorflow知識，可以參考極客網(wǎng)站的tensorflow專欄突那。在本文中附檔的資料里挫酿，有tensorflow for deep learning的PDF可供參考。
2.做機器學習和深度學習之前愕难，所需要的數(shù)學基本知識還是要掌握和再復習的早龟。比如線性代數(shù)，矩陣猫缭，微積分葱弟，概率論等。在本文中附檔的資料里猜丹，有《深度學習基礎(chǔ)及數(shù)學原理》以及《Mathematics for machie learning》的PDF可供參考芝加。極客教程的數(shù)學基礎(chǔ)專欄可以參考。
3.機器學習的PRML中文版也是經(jīng)典著作,是機器學習必讀的書籍之一射窒。在本文的附檔資料里有藏杖。極客教程的機器學習專欄也可以參考一下。
4.深度學習的英文原著和中文版脉顿，神經(jīng)網(wǎng)絡與深度學習基礎(chǔ)等蝌麸，有一攬子書籍需要閱讀，在附檔里至少有8個文檔需要學習艾疟。極客教程的深度學習專欄可以參考一下来吩。
分享以上所提到的附檔（內(nèi)含十多個經(jīng)典資料）下載地址給大家：
https://pan.baidu.com/s/19EBUWL_op9HxaZPe664eew
提取碼: g4zq
