來自：龍心塵 - CSDN博客
作者： 龍心塵 && 寒小陽
時間：2016年2月
出處：http://blog.csdn.net/longxinchen_ml/article/details/50749614
http://blog.csdn.net/han_xiaoyang/article/details/50759472
4.1 入門資源
首先coursera（https://www.coursera.org/）是一個非常好的學(xué)習(xí)網(wǎng)站兆沙，集中了全球的精品課程冈敛。上述知識學(xué)習(xí)的過程都可以在上面找到合適的課程。也有很多其他的課程網(wǎng)站，這里我們就需要學(xué)習(xí)的數(shù)學(xué)和機器學(xué)習(xí)算法推薦一些課程(有一些課程有中文字幕汤求，有一些只有英文字幕，有一些甚至沒有字幕，大家根據(jù)自己的情況調(diào)整龄糊，如果不習(xí)慣英文逆粹，基礎(chǔ)部分有很多國內(nèi)的課程也非常優(yōu)質(zhì))：
微積分相關(guān)
Calculus: Single Variable （https://www.coursera.org/learn/single-variable-calculus）
Multivariable Calculus（http://ocw.mit.edu/courses/mathematics/18-02sc-multivariable-calculus-fall-2010/）
線性代數(shù)
Linear Algebra（http://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/）
概率統(tǒng)計
Introduction to Statistics: Descriptive Statistics（https://www.edx.org/course/introduction-statistics-descriptive-uc-berkeleyx-stat2-1x）
Probabilistic Systems Analysis and Applied Probability（http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-041-probabilistic-systems-analysis-and-applied-probability-fall-2010/）
編程語言
Programming for Everybody:Python（https://www.coursera.org/learn/python）
DataCamp: Learn R with R tutorials and coding challenges:R（https://www.datacamp.com/）
機器學(xué)習(xí)方法
Statistical Learning(R) （https://lagunita.stanford.edu/courses/HumanitiesandScience/StatLearning/Winter2015/about）
machine learning（https://www.coursera.org/learn/machine-learning）：強烈推薦，Andrew Ng老師的課程
機器學(xué)習(xí)基石（https://www.coursera.org/course/ntumlone）
機器學(xué)習(xí)技術(shù)（https://www.coursera.org/course/ntumltwo）：林軒田老師的課相對更有深度一些炫惩，把作業(yè)做完會對提升對機器學(xué)習(xí)的認識僻弹。
自然語言處理（https://class.coursera.org/nlp/lecture）:斯坦福大學(xué)課程
日常閱讀的資源
@愛可可-愛生活的微博（http://weibo.com/fly51fly?from=myfollow_all）
機器學(xué)習(xí)日報的郵件訂閱（http://ml.memect.com/）等。
4.2 進階資源
有源代碼的教程
scikit-learn（http://scikit-learn.org/stable/auto_examples/index.html）中各個算法的例子
《機器學(xué)習(xí)實戰(zhàn)》 有中文版他嚷，并附有python源代碼蹋绽。
《The Elements of Statistical Learning (豆瓣)》（http://book.douban.com/subject/3294335/） 這本書有對應(yīng)的中文版：《統(tǒng)計學(xué)習(xí)基礎(chǔ) (豆瓣)》（http://book.douban.com/subject/1152126/）。書中配有R包筋蓖⌒对牛可以參照著代碼學(xué)習(xí)算法。網(wǎng)盤中有中文版粘咖。
《Natural Language Processing with Python (豆瓣)》（http://book.douban.com/subject/3696989/） NLP 經(jīng)典鹊奖，其實主要是講 python的NLTK 這個包。網(wǎng)盤中有中文版涂炎。
《Neural Networks and Deep Learning》（http://neuralnetworksanddeeplearning.com/） Michael Nielsen的神經(jīng)網(wǎng)絡(luò)教材忠聚，淺顯易懂。國內(nèi)有部分翻譯唱捣，不全两蟀，建議直接看原版。
圖書與教材
《數(shù)學(xué)之美》：入門讀起來很不錯震缭。
《統(tǒng)計學(xué)習(xí)方法 (豆瓣) 》（http://book.douban.com/subject/10590856/）：李航經(jīng)典教材赂毯。
《Pattern Recognition And Machine Learning (豆瓣) 》（http://book.douban.com/subject/2061116/）：經(jīng)典中教材。
《統(tǒng)計自然語言處理》自然語言處理經(jīng)典教材
《Applied predictive modeling》：英文版拣宰，注重工程實踐的機器學(xué)習(xí)教材
《UFLDL教程》（http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B）：神經(jīng)網(wǎng)絡(luò)經(jīng)典教材
《deeplearningbook》（http://www.deeplearningbook.org/）:深度學(xué)習(xí)經(jīng)典教材党涕。
工具書
《SciPy and NumPy (豆瓣) 》 （http://book.douban.com/subject/10561724/）
《Python for Data Analysis (豆瓣) 》作者是Pandas這個包的作者（http://book.douban.com/subject/10760444/）
其他網(wǎng)絡(luò)資料
機器學(xué)習(xí)(Machine Learning)與深度學(xué)習(xí)(Deep Learning)資料匯總（http://blog.csdn.net/zhongwen7710/article/details/45331915）: 作者太給力，量大干貨多巡社，有興趣的同學(xué)可以看看膛堤，博主至今只看了一小部分。
