摘抄 allmachinelearning/MachineLearning

機器學習資源 Machine learning Resources

致力于分享最新最全面的機器學習資料，歡迎你成為貢獻者!

快速開始學習：

• 周志華的《機器學習》作為通讀教材压语，不用深入，大概了解機器學習來龍去脈

• 李航的《統(tǒng)計學習方法》作為經(jīng)典的深入案例扰才，仔細研究幾個算法的來龍去脈

• 使用Python語言厕怜，根據(jù)《機器學習實戰(zhàn)》快速上手寫程序

• 參照Youtube機器學習紅人Siraj Raval的視頻+代碼可以幫助你更好地進入狀態(tài)！

  • 原Youtube地址需要梯子 | 百度網(wǎng)盤

• 來自國立臺灣大學李宏毅老師的機器學習和深度學習中文課程粥航，強烈推薦：課程

• 最后，你可能想真正實戰(zhàn)一下柄延。那么缀程，請到注明的機器學習競賽平臺Kaggle上做一下這些基礎入門的題目吧！(Kaggle上對于每個問題你都可以看到別人的代碼杠输，方便你更加快速地學習) Kaggle介紹及入門解讀 可以用來練手的數(shù)據(jù)集

• 想看別人怎么寫代碼秕衙？機器學習經(jīng)典教材《PRML》所有代碼實現(xiàn)

• 機器學習算法Python實現(xiàn)

• 另外，對于一些基礎的數(shù)學知識鹦牛，你看深度學習(花書)中文版就夠了勇吊。這本書同時也是深度學習經(jīng)典之書。

• 來自南京大學周志華小組的博士生寫的一本小而精的解析卷積神經(jīng)網(wǎng)絡—深度學習實踐手冊

一個簡潔明了的時間序列處理(分窗汉规、特征提取、分類)庫：Seglearn

計算機視覺這一年：這是最全的一份CV技術報告

深度學習(花書)中文版

深度學習最值得看的論文

最全面的深度學習自學資源集錦

Machine learning surveys

快速入門TensorFlow

自然語言處理數(shù)據(jù)集 Learning Machine Learning? Six articles you don’t want to miss

Getting started with machine learning documented by github

預備知識 Prerequisite

• 學習知識與路線圖

• MIT線性代數(shù)課堂筆記(中文)

• 概率與統(tǒng)計 The Probability and Statistics Cookbook

• Python

  • Learn X in Y minutes

  • Python機器學習互動教程

• Markdown

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

• R

  • R Tutorial

• Python和Matlab的一些cheat sheet：http://ddl.escience.cn/f/IDkq 包含：

  • Numpy晶伦、Scipy啄枕、Pandas科學計算庫

  • Matlab科學計算

  • Matplotlib畫圖

• 深度學習框架

  • Python

    • TensorFlow
    • Scikit-learn
    • PyTorch
    • Keras
    • MXNet|相關資源大列表
    • Caffe
    • Caffe2

  • Java

    • Deeplearning4j

  • Matlab

    • Neural Network Toolbox
    • Deep Learning Toolbox

理論 Theory

• 深度學習 Deep learning

• 強化學習 Reinforcement learning

• 遷移學習 Transfer learning

• 分布式學習系統(tǒng) Distributed learning system

應用 Applications

• 計算機視覺/機器視覺 Computer vision / machine vision

• 自然語言處理 Natural language procesing

• 語音識別 Speech recognition

• 生物信息學 Bioinfomatics

• 醫(yī)療 Medical

• 行為識別 Activity recognition

• 人工智能(多智能體) Artificial Intelligence(Multi-Agent)

文檔 notes

• 綜述文章匯總

• 近200篇機器學習資料匯總频祝！

• 機器學習入門資料

• MIT.Introduction to Machine Learning

• 東京大學同學做的人機交互報告

• 人機交互簡介

• 人機交互與創(chuàng)業(yè)論壇

• 職場機器學習入門

• 機器學習的發(fā)展歷程及啟示, (@Prof. Zhihua Zhang/@張志華教授)

• 常用的距離和相似度度量

課程與講座 Course and talk

機器學習 Machine Learning

臺灣大學應用深度學習課程

• 神經(jīng)網(wǎng)絡，機器學習沽一，算法，人工智能等 30 門免費課程詳細清單

• 斯坦福機器學習入門課程锯玛，講師為Andrew Ng，適合數(shù)學基礎一般的人拙友，適合入門歼郭，但是學完會發(fā)現(xiàn)只是懂個大概，也就相當于什么都不懂病曾。省略了很多機器學習的細節(jié)

• Neural Networks for Machine Learning, Coursera上的著名課程，由Geoffrey Hinton教授主講鲫竞。

• Stanford CS 229, Andrew Ng機器學習課無閹割版逼蒙，Notes比較詳細

• CMU 10-702 Statistical Machine Learning, 講師是Larry Wasserman，應該是統(tǒng)計系開的機器學習是牢，非常數(shù)學化，第一節(jié)課就提到了RKHS(Reproducing Kernel Hilbert Space),建議數(shù)學出身的同學看或者是學過實變函數(shù)泛函分析的人看一看

• CMU 10-715 Advanced Introduction to Machine Learning批什，同樣是CMU phd級別的課社搅，節(jié)奏快難度高

• 機器學習基石（適合入門）。國立臺灣大學林軒田

• 機器學習技法（適合提高）形葬。國立臺灣大學林軒田

• Machine Learning for Data Analysis, Coursera上Wesleyan大學的Data Analysis and Interpretation專項課程第四課。

• Max Planck Institute for Intelligent Systems Tübingen德國馬普所智能系統(tǒng)研究所2013的機器學習暑期學校視頻,仔細翻這個頻道還可以找到2015的暑期學校視頻

• 知乎Live：我們一起開始機器學習吧合砂，機器學習入門之特征工程

深度學習 Machine Learning

• 斯坦福大學Feifei Li教授的CS231n系列深度學習課程。Feifei Li目前是Google的科學家翩伪，深度學習與圖像識別方面的大牛。這門課的筆記可以看這里凛剥。

• CS224n: Natural Language Processing. Course instructors: Chris Manning, Richard Socher.

強化學習 Machine Learning

• CS 294 Deep Reinforcement Learning, Fall 2017. Course instructors: Sergey Levine, John Schulman, Chelsea Finn.

• UCL Course on RL

• CS234: Reinforcement Learning. 暫無視頻

相關書籍 reference book

• Hands on Machine Learning with Scikit-learn and Tensorflow

• 入門讀物 The Elements of Statistical Learning(英文第二版),The Elements of Statistical Learning.pdf

• 機器學習, (@Prof. Zhihua Zhou/周志華教授)

• 統(tǒng)計學習方法, (@Dr. Hang Li/李航博士)

• 一些Kindle讀物:

  • 利用Python進行數(shù)據(jù)分析

  • 跟老齊學Python：從入門到精通

  • Python與數(shù)據(jù)挖掘 (大數(shù)據(jù)技術叢書) - 張良均

  • Python學習手冊

  • Python性能分析與優(yōu)化

  • Python數(shù)據(jù)挖掘入門與實踐

  • Python數(shù)據(jù)分析與挖掘實戰(zhàn)(大數(shù)據(jù)技術叢書) - 張良均

  • Python科學計算(第2版)

  • Python計算機視覺編程 [美] Jan Erik Solem

  • python核心編程(第三版)

  • Python核心編程（第二版）

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

  • Python編程快速上手 讓繁瑣工作自動化

  • Python編程：從入門到實踐

  • Python3 CookBook中文版

  • 終極算法機器學習和人工智能如何重塑世界 - [美 ]佩德羅·多明戈斯

  • 機器學習系統(tǒng)設計 (圖靈程序設計叢書) - [美]Willi Richert & Luis Pedro Coelho

  • 機器學習實踐指南：案例應用解析（第2版） (大數(shù)據(jù)技術叢書) - 麥好

  • 機器學習實踐 測試驅動的開發(fā)方法 (圖靈程序設計叢書) - [美] 柯克（Matthew Kirk）

  • 機器學習：實用案例解析

• 數(shù)學:

  • 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 - Rene? 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

  • 普林斯頓微積分讀本 - Adrian Banner

• Packt每日限免電子書精選:

  • 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

• 機器學習日報：每天更新學術和工業(yè)界最新的研究成果

• 機器之心

• 集智社區(qū)

如何加入 How to contribute

如果你對本項目感興趣，非常歡迎你加入互亮！

• 正常參與：請直接fork、pull都可以
• 如果要上傳文件：請不要直接上傳到項目中豹休，否則會造成git版本庫過大。正確的方法是上傳它的超鏈接凤巨。如果你要上傳的文件本身就在網(wǎng)絡中（如paper都會有鏈接）洛搀，直接上傳即可；如果是自己想分享的一些文件留美、數(shù)據(jù)等，鑒于國內(nèi)網(wǎng)盤的情況独榴，請按照如下方式上傳：
  • (墻內(nèi))目前沒有找到比較好的方式奕枝，只能通過鏈接，或者自己網(wǎng)盤的鏈接來做症歇。
  • (墻外)首先在UPLOAD直接上傳（不需要注冊賬號）谭梗；上傳成功后，在DOWNLOAD里找到你剛上傳的文件激捏，共享鏈接即可。

如何開始項目協(xié)同合作

快速了解github協(xié)同工作

及時更新fork項目

貢獻者 Contributors

[文章版權聲明]這個倉庫是我開源到Github上的闰蛔，可以遵守相關的開源協(xié)議進行使用。這個倉庫中包含有很多研究者的論文序六、碩博士論文等，都來源于在網(wǎng)上的下載例诀，僅作為學術研究使用。我對其中一些文章都寫了自己的淺見拱她，希望能很好地幫助理解爆土。這些文章的版權屬于相應的出版社椭懊。如果作者或出版社有異議步势，請聯(lián)系我進行刪除（本來應該只放文章鏈接的，但是由于時間關系來不及）盅抚。一切都是為了更好地學術倔矾！