机器学习入门资源大全
2018-06-29 本文已影响10人
蓝桥云课
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!(●'◡'●)