机器学习」现在真的太受欢迎了，但很多人想学又不知道在哪找资源，所以这次为大家整理了关于「机器学习」的各种用得到的工具、资源，希望可以帮到大家( • ̀ω•́ )✧
一、机器学习学习路线
就算是整理资源我也回先弄清楚写作的先后顺序，学习也是一样啊，入门机器学习要先学会微积分、线性代数，懂一些编程基础，才能进行下一步的学习。先来看看具体的学习内容：
是不是眼花缭乱？看起来有点复杂，如果直接从算法工程师的角度出发的话，可以这样划分：
这样就比较清楚了。了解完机器学习具体要学哪些内容以后找资源也有了具体的方向。总结一篇机器学习的学习资源吧，从以下几个方面整理：
- 1）书籍：机器学习还是涉及很多数学基础和理论知识的，啃书是必不可少的啦；
- 2）视频：看书有些地方看不到，那就听听大牛们的课吧；
- 3）在线学习网站：机器学习还是比较复杂，有些网站提供比较系统的学习路径；
- 4）博客及社区：一些大牛们的经验总结真的可以利用起来，还有中文社区可以交流讨论，感兴趣的可以看看；
- 5）其他：其他与机器学习相关的一些整理。
如果还是未入门阶段的小伙伴，还可以看看这些文章：
二、学习资源
1、书籍
- 《数学之美》：入门读起来很不错。
- 李航的《统计学习方法》：详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。
- 《Pattern Recognition and Machine Learning》：必读书籍之一，很有用但是相当难啃。
- 周志华的《机器学习》：认真读每一章都会有收获。
- 陈希孺《概率论与数理统计》。大师的良心之作，应该是至今为止评价最好的一本概率论教材了。
- Adrian Banner的《普林斯顿微积分读本》。深入浅出，非常注重基础知识的积累，讲解也很生动，读起来不会觉得乏味。
2、视频
- 吴恩达公开课 ：经典中的经典！
- 计算机中的数学 ：《计算机中的数学》系列视频，8位老师10讲内容，介绍微积分和线性代数基本概念在计算机学科中的各种有趣应用。
- Machine Learning ：斯坦福的机器学习课程。从Stanford CS229 course下载讲义和笔记。主要讲解了线性代数的知识。
- 网易公开课 ：很多关于机器学习的课程，国内做得很不错的公开课，翻译了一些国外出名的公开课教程，与国外公开课平台coursera有合作。
- YouTube上的，内容很全面，偏概率统计模型，每一小集只有几分钟。
- 李宏毅机器学习(2017) ，也是必看啊。
Ps.李宏毅机器学习课程 ，完整的学习顺序
- Learning from Data，内容更适合进阶。
3、在线学习网站
国内
- 极客学院 ：以视频的形式讲解，每节课的时长一般十五到二十分钟。一些源码可以下载，后面还可以跟着老师做一些项目。
- 网易云课堂 ：里面有很多教学视频，机器学习的课比较全，老师讲解得也很详细。听说很多人都是怀着对网易云音乐的情怀去的ヽ(´•ω•`)､
- 实验楼 ：给你提供技术文档和虚拟的实验环境，你要跟着步骤一步步来学，步骤很详细。还有系统的学习路径，所以很适合机器学习的新手。像这种动手学的一般更容易学进去。
- 慕课网 ：每节课讲的时间不长，可以自己选课程，有基础有项目，内容很丰富。
- 小象学院 ：里面有许多公开课，直播为主。每个老师讲的内容不一样，适合有一点机器学习基础的小伙伴。
- 优达学城 ：分了机器学习入门课和进阶课，有老师来自硅谷，课程比较专业。
- 百度机器学习 BML
国外
4、博客及社区
博客
- 王海峰 ：信息检索，自然语言处理，机器翻译方面的专家，ACL的副主席，百度高级科学家。
- 周志华：机器学习和数据挖掘方面国内的领军人物，更可贵的是他的很多文章都有源码公布。
- 火光摇曳Flickering： 一群腾讯工程师分享的博客，内容涉及概率统计、数据挖掘、机器学习、自然语言处理、并行计算等等，文章质量很高。
- Netflix：Netflix技术博客，很多干货。
- Free Mind ：由 pluskid 所维护的 blog，主要记录一些机器学习、程序设计以及各种技术和非技术的相关内容，写得很不错。
- The Open Source Data Science Masters：里面包含学ML/DM所需要的一些知识链接，且有些给出了视频教程，网页资料，电子书，开源code等。
社区
6、其它
相关网站
学习笔记
数学概念
- 机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
- 机器学习中的数学(2)-线性回归，偏差、方差权衡
- 和3D相关的一些数学概念和公式
- 梯度下降（Gradient Descent）小结
- 机器学习中的算法(1)-决策树模型组合之随机森林与GBDT
- 线性代数(一) Linear Algebra I（视频）：台湾国立交通大学莊重特聘教授主讲的线性代数课程，从泛函的角度来讲解线性代数（同时兼顾了矩阵角度），会帮你建立一种更加高屋建瓴的线性代数观念。
- 叶丙成的概率课（视频）：这是一个几率的入门课程，着重的是教授几率基本概念。
- 国防科技大学的高等数学课（视频）：如果你想复习或者重新学高等数学，或者有的地方书上讲得看不懂，可以看看这个。
编程语言学习
编程库资源
- 机器学习开源软件网：收录了各种机器学习的各种编程语言学术与商业的开源软件。
- libsvm：台湾大学的林教授的杰作。
- Orange：基于c++和python接口的机器学习软件，界面漂亮，调用方便,可以同时学习C＋＋和python，还有可视化的功能。
- WEKA ：基于java的机器学习算法最全面最易用的开源软件。
- Mallet：基于JAVA实现的机器学习库，主要用于自然语言处理方面，特色是马尔可夫模型和随机域做得好，可和WEKA互补。
好了，以上就是整理出的机器学习全部资源，希望对大家有帮助哦~
更多趣味实验可以直接访问实验楼，在线实验环境操作方便，为大家定期更新最佳实验！(●'◡'●)
网友评论