機(jī)器學(xué)習(xí)基礎(chǔ)
- [維基]《List of machine learning concepts》機(jī)器學(xué)習(xí)概念集錦，統(tǒng)觀機(jī)器學(xué)習(xí)全局的好材料院喜。要好好利用維基這個(gè)大寶庫(kù)——尤其是人工整理的知識(shí)結(jié)構(gòu)和體系，比細(xì)節(jié)更有價(jià)值！
- 《FAQ: What machine learning book should I start with? ? Ben Mabey》 機(jī)器學(xué)習(xí)入門(mén)該看什么書(shū)？文章介紹了基本經(jīng)典的機(jī)器學(xué)習(xí)書(shū)籍垢箕。
- 深度學(xué)習(xí)進(jìn)階線路圖、深度學(xué)習(xí)進(jìn)階線路圖（二）：監(jiān)督學(xué)習(xí)兑巾、深度學(xué)習(xí)進(jìn)階線路圖（三）：非監(jiān)督學(xué)習(xí)条获、深度學(xué)習(xí)進(jìn)階線路圖（四）：優(yōu)化算法
- 論文pdf:《A Tutorial on Learning With Bayesian Networks》微軟的David Heckerman整理的貝葉斯網(wǎng)絡(luò)教程
- 《Deep Learning 101》深度學(xué)習(xí)入門(mén)文章，對(duì)表示學(xué)習(xí)蒋歌、概率圖模型帅掘、RBM、自動(dòng)編碼器等都有不錯(cuò)的講解堂油，推薦初學(xué)者學(xué)習(xí)
- 《Statistical foundations of machine learning》免費(fèi)好書(shū):機(jī)器學(xué)習(xí)的統(tǒng)計(jì)基礎(chǔ)修档，作者是Gianluca Bontempi和Souhaib Ben Taieb，書(shū)中有不少結(jié)合實(shí)際的例子代碼及數(shù)據(jù)集府框，幫助你更好地掌握相關(guān)理論吱窝，所有例子均為R語(yǔ)言實(shí)現(xiàn)
機(jī)器學(xué)習(xí)算法學(xué)習(xí)建議
- 《Don’t Start with Open-Source Code When Implementing Machine Learning Algorithms》實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法不要從開(kāi)源代碼開(kāi)始。主要顧慮包括代碼優(yōu)化度迫靖、項(xiàng)目融合度院峡、細(xì)節(jié)了解程度等。對(duì)實(shí)現(xiàn)算法的建議：理解論文系宜、設(shè)計(jì)測(cè)試問(wèn)題照激、先實(shí)現(xiàn)后優(yōu)化以及基于全面了解的代碼引入
- 《Self-Study Guide to Machine Learning》機(jī)器學(xué)習(xí)自學(xué)指南，分Beginner盹牧、Novice俩垃、Intermediate、Advanced四個(gè)級(jí)別(階段)提供了自學(xué)建議
- 《How to Study Machine Learning Algorithms》怎么學(xué)習(xí)機(jī)器學(xué)習(xí)算法欢策？文中針對(duì)5種主要途徑提供了學(xué)習(xí)建議：列舉算法吆寨、應(yīng)用算法赏淌、描述算法踩寇、實(shí)現(xiàn)算法和體驗(yàn)算法，值得學(xué)習(xí)（其實(shí)對(duì)其他領(lǐng)域算法的學(xué)習(xí)也適用）
- 《How to Learn a Machine Learning Algorithm》 如何學(xué)習(xí)一個(gè)機(jī)器學(xué)習(xí)算法：化零為整（整理算法知識(shí)線索）六水、統(tǒng)一標(biāo)準(zhǔn)（模版化的算法知識(shí)結(jié)構(gòu)）俺孙、由小及大（由淺入深平穩(wěn)起步）
Python與機(jī)器學(xué)習(xí)
- Github項(xiàng)目：deepnetPython實(shí)現(xiàn)基于GPU的一些深度學(xué)習(xí)算法實(shí)現(xiàn)，包括Feed-forward Neural Nets掷贾、Restricted Boltzmann Machines睛榄、Deep Belief Nets、Autoencoders想帅、Deep Boltzmann Machines场靴、Convolutional Neural Nets，需要cudamat和cuda-convnet庫(kù)支持
- GitHub 上排行前400的 Python 開(kāi)源項(xiàng)目
- 《8 Best Python Data Science Books》Python數(shù)據(jù)科學(xué)最佳圖書(shū)，含有電子版
- Github項(xiàng)目：RosettaPython下的系列工具( 庫(kù))旨剥，為數(shù)據(jù)科學(xué)處理尤其是文本處理提供支持咧欣，其中對(duì)并行、大文件處理等方面的優(yōu)化非常好
- 《Machine Learning Tutorial: High Performance Text Processing》轨帜、云盤(pán)來(lái)自Daniel Krasner的教程魄咕，聚焦高性能文本處理，重點(diǎn)講自家Python Rosetta庫(kù)的使用和LDA
- 《A Gentle Introduction to Scikit-Learn: A Python Machine Learning Library》Scikit-Learn入門(mén)蚌父，介紹了Scikit-Learn從概念到特性到實(shí)例哮兰、文檔、論文苟弛、書(shū)等方方面面喝滞，可以看看
轉(zhuǎn)載請(qǐng)注明作者Jason Ding及其出處
Github博客主頁(yè)(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
簡(jiǎn)書(shū)主頁(yè)(http://www.reibang.com/users/2bd9b48f6ea8/latest_articles)
