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

《机器学习》西瓜书公式推导解析：https://datawhalechina.github.io/pumpkin-book/
最新的《神经网络与深度学习》
李航的《统计学习方法》作为经典的深入案例，仔细研究几个算法的来龙去脉 | 书中的代码实现
使用 Python 语言，根据《机器学习实战》快速上手写程序
吴恩达的最新深度学习课程资源：https://www.jiqizhixin.com/articles/2018-06-21-6
参照 Youtube 机器学习红人 Siraj Raval 的视频 + 代码可以帮助你更好地进入状态！
- 原 Youtube 地址需要梯子 | 百度网盘
来自国立台湾大学李宏毅老师的机器学习和深度学习中文课程，强烈推荐：课程
最后，你可能想真正实战一下。那么，请到注明的机器学习竞赛平台 Kaggle 上做一下这些基础入门的题目吧！(Kaggle 上对于每个问题你都可以看到别人的代码，方便你更加快速地学习） Kaggle 介绍及入门解读可以用来练手的数据集

其他有用的资料：

想看别人怎么写代码？机器学习经典教材《PRML》所有代码实现
机器学习算法 Python 实现
吴恩达新书：Machine Learning Yearning 中文版
另外，对于一些基础的数学知识，你看深度学习 (花书）中文版就够了。这本书同时也是 深度学习 经典之书。
来自南京大学周志华小组的博士生写的一本小而精的解析卷积神经网络—深度学习实践手册

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

学习知识与路线图
MIT 线性代数课堂笔记（中文）
概率与统计 The Probability and Statistics Cookbook
Python
- Learn X in Y minutes
- Python 机器学习互动教程
Markdown
- Mastering Markdown - Markdown is a easy-to-use writing tool on the GitHu.
R
- R Tutorial
Python 和 Matlab 的一些 cheat sheet：http://ddl.escience.cn/f/IDkq 包含：
- Numpy、Scipy、Pandas 科学计算库
- Matlab 科学计算
- Matplotlib 画图
深度学习框架
- Python
  - TensorFlow
  - Scikit-learn
  - PyTorch
  - Keras
  - MXNet|相关资源大列表
  - Caffe
  - Caffe2
- Java
  - Deeplearning4j
- Matlab
  - Neural Network Toolbox
  - Deep Learning Toolbox

文档 notes

综述文章汇总
近 200 篇机器学习资料汇总！
机器学习入门资料
MIT.Introduction to Machine Learning
东京大学同学做的人机交互报告
人机交互简介
人机交互与创业论坛
职场机器学习入门
机器学习的发展历程及启示, (@Prof. Zhihua Zhang/@张志华教授）
常用的距离和相似度度量

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

Neural Networks for Machine Learning, Coursera 上的著名课程，由 Geoffrey Hinton 教授主讲。
Stanford CS 229, Andrew Ng 机器学习课无阉割版，Notes 比较详细，可以对照学习CS229 课程讲义的中文翻译。
CMU 10-702 Statistical Machine Learning, 讲师是 Larry Wasserman，应该是统计系开的机器学习，非常数学化，第一节课就提到了 RKHS(Reproducing Kernel Hilbert Space), 建议数学出身的同学看或者是学过实变函数泛函分析的人看一看
CMU 10-715 Advanced Introduction to Machine Learning，同样是 CMU phd 级别的课，节奏快难度高
机器学习基石（适合入门）。国立台湾大学林轩田
机器学习技法（适合提高）。国立台湾大学林轩田
Machine Learning for Data Analysis, Coursera 上 Wesleyan 大学的 Data Analysis and Interpretation 专项课程第四课。
Max Planck Institute for Intelligent Systems Tübingen德国马普所智能系统研究所 2013 的机器学习暑期学校视频, 仔细翻这个频道还可以找到 2015 的暑期学校视频
知乎 Live：我们一起开始机器学习吧，机器学习入门之特征工程

深度学习 Machine Learning

斯坦福大学 Feifei Li 教授的 CS231n 系列深度学习课程。Feifei Li 目前是 Google 的科学家，深度学习与图像识别方面的大牛。这门课的笔记可以看这里。
CS224n: Natural Language Processing. Course instructors: Chris Manning, Richard Socher.

强化学习 Machine Learning

CS 294 Deep Reinforcement Learning, Fall 2017. Course instructors: Sergey Levine, John Schulman, Chelsea Finn.
UCL Course on RL
CS234: Reinforcement Learning. 暂无视频

其他 Miscellaneous

机器学习日报：每天更新学术和工业界最新的研究成果
机器之心
集智社区

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（不需要注册账号）；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

D:/98blog_yh/markdownfiles/ 网摘 / 其他 / 机器学习资源。md

发表至：无分类

2021-04-02

# 机器学习

机器学习资源

机器学习资源 Machine learning Resources

研究领域资源细分

深度学习 Deep learning

强化学习 Reinforcement learning

迁移学习 Transfer learning

分布式学习系统 Distributed learning system

计算机视觉 / 机器视觉 Computer vision / machine vision

自然语言处理 Natural language procesing

生物信息学 Bioinfomatics

行为识别 Activity recognition

多智能体 Multi-Agent