机器学习资源

机器学习资源 Machine learning Resources

致力于分享最新最全面的机器学习资料,欢迎你成为贡献者!

快速开始学习:
- 周志华的 《机器学习》 作为通读教材,不用深入,从宏观上了解机器学习

其他有用的资料:


一个简洁明了的时间序列处理 (分窗、特征提取、分类) 库:Seglearn

计算机视觉这一年:这是最全的一份 CV 技术报告

深度学习 (花书) 中文版

深度学习最值得看的论文

最全面的深度学习自学资源集锦

Machine learning surveys

快速入门 TensorFlow

自然语言处理数据集
 
Learning Machine Learning? Six articles you don’t want to miss

Getting started with machine learning documented by github


研究领域资源细分


开始学习:预备知识 Prerequisite


文档 notes


课程与讲座 Course and talk

机器学习 Machine Learning

台湾大学应用深度学习课程

神经网络,机器学习,算法,人工智能等 30 门免费课程详细清单
 
- 斯坦福机器学习入门课程,讲师为 Andrew Ng,适合数学基础一般的人,适合入门,但是学完会发现只是懂个大概,也就相当于什么都不懂。省略了很多机器学习的细节

深度学习 Machine Learning

强化学习 Machine Learning


相关书籍 reference book

  • Hands on Machine Learning with Scikit-learn and Tensorflow

  • 入门读物 The Elements of Statistical Learning(英文第二版),The Elements of Statistical Learning.pdf

  • 机器学习, (@Prof. Zhihua Zhou/ 周志华教授)

  • 统计学习方法, (@Dr. Hang Li/ 李航博士)

  • 一些 Kindle 读物:

    • 利用 Python 进行数据分析

    • 跟老齐学 Python:从入门到精通

    • Python 与数据挖掘 (大数据技术丛书) - 张良均

    • Python 学习手册

    • Python 性能分析与优化

    • Python 数据挖掘入门与实践

    • Python 数据分析与挖掘实战(大数据技术丛书) - 张良均

    • Python 科学计算(第 2 版)

    • Python 计算机视觉编程 [美] Jan Erik Solem

    • python 核心编程(第三版)

    • Python 核心编程(第二版)

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

    • Python 编程快速上手 让繁琐工作自动化

    • Python 编程:从入门到实践

    • Python3 CookBook 中文版

    • 终极算法机器学习和人工智能如何重塑世界 - [美]佩德罗·多明戈斯

    • 机器学习系统设计 (图灵程序设计丛书) - [美]Willi Richert & Luis Pedro Coelho

    • 机器学习实践指南:案例应用解析(第 2 版)(大数据技术丛书) - 麦好

    • 机器学习实践 测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克(Matthew Kirk)

    • 机器学习:实用案例解析

  • 数学:

    • 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 - René 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

    • 普林斯顿微积分读本 - Adrian Banner

  • Packt 每日限免电子书精选:

    • 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


如何加入 How to contribute

如果你对本项目感兴趣,非常欢迎你加入!

  • 正常参与:请直接 fork、pull 都可以
  • 如果要上传文件:请 不要 直接上传到项目中,否则会造成 git 版本库过大。正确的方法是上传它的 超链接。如果你要上传的文件本身就在网络中(如 paper 都会有链接),直接上传即可;如果是自己想分享的一些文件、数据等,鉴于国内网盘的情况,请按照如下方式上传:
    • (墙内)目前没有找到比较好的方式,只能通过链接,或者自己网盘的链接来做。
    • (墙外)首先在 UPLOAD 直接上传( 需要注册账号);上传成功后,在 DOWNLOAD 里找到你刚上传的文件,共享链接即可。

如何开始项目协同合作

快速了解 github 协同工作

及时更新 fork 项目

贡献者 Contributors

评论(没有评论)