这篇博文，收集一些机器学习/深度学习的资料，以及学习路径。

学习资料

机器学习

  1. Machine Learning (Coursera)，免费，【可能需翻墙】: 介绍机器学习的基础概念、算法；课程简单易懂，并配有编程作业（使用Matlab实现） https://www.coursera.org/learn/machine-learning 该课程在网易云课堂也有引进，缺点是没有配套作业： http://study.163.com/course/introduction/1004570029.htm

  2. 《机器学习》 周志华（俗称西瓜书） https://book.douban.com/subject/26708119/

  3. Google 机器学习速成课程，免费，【需翻墙】 介绍机器学习的基础概念、算法，并以TensorFlow为工具。 https://developers.google.com/machine-learning/crash-course/

  4. 《统计学习方法》 李航 https://book.douban.com/subject/10590856/

深度学习

  1. Deep Learning (Coursera)，$49/月，【可能需翻墙】: 介绍深度学习的基础概念、算法；并配有编程作业（使用Python实现） https://www.coursera.org/specializations/deep-learning 该课程在网易云课堂也有引进且免费，缺点是没有配套作业： https://mooc.study.163.com/smartSpec/detail/1001319001.htm Deeplearning.ai 深度学习笔记 http://imshuai.com/tag/deeplearning-ai-notes/

  2. 《深度学习》 MIT（俗称花书） https://book.douban.com/subject/27087503/ 这本书中英文都价格不菲，但中英文版本都是官方开源的： 英文版官方HTML版：http://www.deeplearningbook.org/ 英文PDF整理版：https://github.com/janishar/mit-deep-learning-book-pdf 中文PDF版：https://github.com/exacity/deeplearningbook-chinese

  3. Neural Networks and Deep Learning

具体应用

  1. 斯坦福CS224n深度学习实现自然语言处理 CS224n: Natural Language Processing with Deep Learning【需翻墙】 https://www.youtube.com/playlist?list=PLqdrfNEc5QnuV9RwUAhoJcoQvu4Q46Lja
  2. 斯坦福CS231n卷积神经网络与视觉识别 CS231n：Convolutional Neural Networks for Visual Recognition【需翻墙】 https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv

数学

  1. Linear Algebra（MIT） MIT 系统的线性代数课程，非常经典。适合系统性的知识补足。 https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/video-lectures/ 或YouTube【需翻墙】：https://www.youtube.com/watch?v=ZK3O402wf1c&t=109s 或电驴下载：http://www.verycd.com/topics/2866957/

  2. Essence of linear algebra【需翻墙】 以丰富的视频，从直觉的角度解释线性代数，加深对线性代数的理解 https://www.youtube.com/playlist?list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab

  3. 马同学高等数学 国内做的比较好的线性代数付费课程，很多地方和Essence of linear algebra不谋而合。 http://www.matongxue.net/

实践

  1. Kaggle: The Home of Data Science & Machine Learning https://www.kaggle.com/
  2. 阿里云：天池 https://tianchi.aliyun.com/
  3. Google AI https://ai.google/

工具

  1. TensorFlow playground：可视化展示神经网络 http://playground.tensorflow.org/
  2. 交互式展示神经网络 http://scs.ryerson.ca/~aharley/vis/
  3. Google Machine Learning 术语表 https://developers.google.com/machine-learning/glossary/

技术社区

  1. 云栖社区
  2. 天池技术圈
  3. 机器之心

学习路径

  1. Machine Learning (Coursera)，同时温习线性代数和微积分
  2. Deep Learning (Coursera)，这个课程务必在Machine Learning之后学。

其他建议

  1. 以个人经验，强烈建议先学完Machine Learning (Coursera)，学完就了解了基本的机器学习算法，最重要的是机器学习领域的概念、术语和方法都会涉及，再看其他资料就会亲切多了。这是无法在一个半天通过两三篇博客获得的。
  2. 最好准备好翻墙，包括Coursera在墙内基本访问不了，或者就是非常慢，使用网易云课堂，没有练习效果会打折。另外，YouTube上有无数好的视频和公开课。
  3. 克服英语障碍。

-------------------------

本文采用 知识共享署名 4.0 国际许可协议（CC-BY 4.0）进行许可。转载请注明来源：https://imshuai.com/machine-learning-deep-learning-materials 欢迎指正或在下方评论。