这里是机器学习相关资源总结
学习路线
- 大概是最靠谱的入门学习路线了:机器学习、数据挖掘 如何进阶成为大神?
- 有很多资源,方便程序员向机器学习转型:普通程序员如何向人工智能靠拢
- 内容丰富深刻,主要包含深度学习,机器学习,计算机视觉,语音识别等:zouxy09博客原创性博文导航
- 作者完整地学完了三个机器学习教程:包括“Stanford CS229”,”Machine Learning on Coursrea” 和 “Stanford UFLDL”,博客包含各种数学推导部分:machine learning的数学推导
- 都在youtube上,需要vpn与英语:2016年不可错过的21个深度学习视频、教程和课程
- EasyPR的作者,内容很不错:普通程序员如何转向AI方向
- 机器学习数学知识资源贴,全都有:机器学习的数学
- 机器学习资料与攻略超强整理吐血推荐(二)
资源
- 一个很厉害的语言专业博主,内容很多很全:机器学习入门书单-码农场
- 不多说,很全很给力:斯坦福大学机器学习个人笔记完整版(附所有视频和字幕)
- 机器学习基石课程笔记,神经网络相关:marcovaldong
- python机器学习:python机器学习入门资料梳理
- Machine Learning Exercieses:Machine Learning Exercises In Python
- 很多经验,有很多很好的回答,非常不错,可以看看:深度学习如何入门
- 这个Github上的Python机器学习库提供大量优秀资源,让你快速入门:dive-into-machine-learning
- 肥肥的兔子的专栏
- 非常非常棒的一系列 python 机器学习(Machine Learning)实践入门教程:python Machine Learning
- 很多实例,包括人脸识别,opencv,语音识别,文本分类等:http://blog.csdn.net/abcjennifer/article/category/1173803/4
- 白马负金羁的推荐,作者出版了好几本书,还经常在群里吹水,真是神奇:机器学习与数据挖掘网上资源搜罗——良心推荐
- cs231n,kaggle,ufldf,cs229
- tensorflow,深度学习等,内容丰富,有时间一定看看:小石头的博客
另外,答主学校的机器学习程序猿们一般学习路线是这样:先学python或R基础,然后开始看《集体智慧编程》、《机器学习实战》来了解这些算法的模型和基本实现,顺便可以去kaggle 101区试试水。然后还没放弃的就去啃《统计学习方法》、PRML、ESL和顶级会议的paper了。当然,大神随意…
机器学习入门可以说说,大数据就不知道了
看书:机器学习算法原理与编程实践(偏向代码工程实现)/周志华的西瓜书(偏向基础原理解说)/蓝本的统计学习方法(偏向统计分析的挖掘算法)/数据挖掘技术(十分详细的讲解数据挖掘的知识,包括数据预处理之类的)
上面后面三本选一本好好看透,对机器学习和数据挖掘应该都能够有基本的了解,实践那本可以边做比赛项目,当工作书使用
视频:推荐林轩田的机器学习基石/技法
比赛:kaggle,很多的小的项目比赛练手
建议题主先确定自己的具体方向,然后结合项目和比赛边做边学,而且这个问题知乎上有很多比较好的建议,需要掌握的技能图