機器學習入門資源大全

來自專欄 IT乾貨分享206 人贊了文章

哈哈~沒錯，時隔半年我又回歸啦！其實中間收到很多私信向我提問，問我要各種資源的，為了不辜負大家對我哪怕一絲絲的信任，我又來繼續更新啦！

「機器學習」現在真的太受歡迎了，但很多人想學又不知道在哪找資源，所以這次為大家整理了關於「機器學習」的各種用得到的工具、資源，希望可以幫到大家( ? ?ω?? )?

一、機器學習學習路線

就算是整理資源我也回先弄清楚寫作的先後順序，學習也是一樣啊，入門機器學習要先學會微積分、線性代數，懂一些編程基礎，才能進行下一步的學習。先來看看具體的學習內容：

是不是眼花繚亂？看起來有點複雜，如果直接從演算法工程師的角度出發的話，可以這樣劃分：

這樣就比較清楚了。了解完機器學習具體要學哪些內容以後找資源也有了具體的方向。那就還是繼續按照我的方式來總結一篇機器學習的學習資源吧，會從以下幾個方面整理：

• 1）書籍：機器學習還是涉及很多數學基礎和理論知識的，啃書是必不可少的啦；
• 2）視頻：看書有些地方看不到，那就聽聽大牛們的課吧；
• 3）在線學習網站：機器學習還是比較複雜，有些網站提供比較系統的學習路徑；
• 4）博客及社區：一些大牛們的經驗總結真的可以利用起來，還有中文社區可以交流討論，感興趣的可以看看；
• 5）其他：其他與機器學習相關的一些整理。

如果還是未入門階段的小夥伴，還可以看看這些文章：

機器學習溫和指南

有趣的機器學習：最簡明入門指南

一個故事說明什麼是機器學習

二、學習資源

1、書籍

• 《數學之美》：入門讀起來很不錯。
• 李航的《統計學習方法》：詳細介紹支持向量機、Boosting、最大熵、條件隨機場等十個統計學習方法。
• 《Pattern Recognition and Machine Learning》：必讀書籍之一，很有用但是相當難啃。
• 周志華的《機器學習》：認真讀每一章都會有收穫。
• 陳希孺《概率論與數理統計》。大師的良心之作，應該是至今為止評價最好的一本概率論教材了。
• Adrian Banner的《普林斯頓微積分讀本》。深入淺出，非常注重基礎知識的積累，講解也很生動，讀起來不會覺得乏味。

2、視頻

• 吳恩達公開課 ：經典中的經典！
• 計算機中的數學 ：《計算機中的數學》系列視頻，8位老師10講內容，介紹微積分和線性代數基本概念在計算機學科中的各種有趣應用。
• Machine Learning ：斯坦福的機器學習課程。從Stanford CS229 course下載講義和筆記。主要講解了線性代數的知識。
• 網易公開課 ：很多關於機器學習的課程，國內做得很不錯的公開課，翻譯了一些國外出名的公開課教程，與國外公開課平台coursera有合作。
• YouTube上的，內容很全面，偏概率統計模型，每一小集只有幾分鐘。
• 李宏毅機器學習(2017) ，也是必看啊。

Ps.李宏毅機器學習課程 ，完整的學習順序

• Learning from Data，內容更適合進階。

3、在線學習網站

國內

• 極客學院 ：以視頻的形式講解，每節課的時長一般十五到二十分鐘。一些源碼可以下載，後面還可以跟著老師做一些項目。
• 網易雲課堂 ：裡面有很多教學視頻，機器學習的課比較全，老師講解得也很詳細。聽說很多人都是懷著對網易雲音樂的情懷去的ヽ(′?ω?`)?
• 實驗樓 ：給你提供技術文檔和虛擬的實驗環境，你要跟著步驟一步步來學，步驟很詳細。還有系統的學習路徑，所以很適合機器學習的新手。像這種動手學的一般更容易學進去。
• 慕課網 ：每節課講的時間不長，可以自己選課程，有基礎有項目，內容很豐富。
• 小象學院 ：裡面有許多公開課，直播為主。每個老師講的內容不一樣，適合有一點機器學習基礎的小夥伴。
• 優達學城 ：分了機器學習入門課和進階課，有老師來自矽谷，課程比較專業。
• 百度機器學習 BML

國外

• Coursera
• codecademy
• edX
• openlearning

4、博客及社區

博客

• 王海峰 ：信息檢索，自然語言處理，機器翻譯方面的專家，ACL的副主席，百度高級科學家。
• 周志華：機器學習和數據挖掘方面國內的領軍人物，更可貴的是他的很多文章都有源碼公布。
• 火光搖曳Flickering： 一群騰訊工程師分享的博客，內容涉及概率統計、數據挖掘、機器學習、自然語言處理、並行計算等等，文章質量很高。
• Netflix：Netflix技術博客，很多乾貨。
• Free Mind ：由 pluskid 所維護的 blog，主要記錄一些機器學習、程序設計以及各種技術和非技術的相關內容，寫得很不錯。
• The Open Source Data Science Masters：裡面包含學ML/DM所需要的一些知識鏈接，且有些給出了視頻教程，網頁資料，電子書，開源code等。

社區

• 博客園 - 開發者的網上家園
• matlab中文論壇
• CSDN論壇-IT技術交流平台
• V2EX
• 果殼 - 機器學習小組

6、其它

相關網站

• 我愛自然語言處理
• 機器學習 - 伯樂在線I Love Natural Language Processing?

  www.52nlp.cn機器學習 - 伯樂在線

學習筆記

• tornadomeet 機器學習 筆記 (2013)
• Deep Learning（深度學習）學習筆記整理系列之（一）

數學概念

• 機器學習中的數學(1)-回歸(regression)、梯度下降(gradient descent)
• 機器學習中的數學(2)-線性回歸，偏差、方差權衡
• 和3D相關的一些數學概念和公式
• 梯度下降（Gradient Descent）小結
• 機器學習中的演算法(1)-決策樹模型組合之隨機森林與GBDT
• 線性代數(一) Linear Algebra I（視頻）：台灣國立交通大學莊重特聘教授主講的線性代數課程，從泛函的角度來講解線性代數（同時兼顧了矩陣角度），會幫你建立一種更加高屋建瓴的線性代數觀念。
• 葉丙成的概率課（視頻）：這是一個幾率的入門課程，著重的是教授幾率基本概念。
• 國防科技大學的高等數學課（視頻）：如果你想複習或者重新學高等數學，或者有的地方書上講得看不懂，可以看看這個。

編程語言學習

• C 語言入門教程
• Scala 開發教程
• OpenGL
• Python3 簡明教程
• R 語言基礎入門

編程庫資源

• 機器學習開源軟體網：收錄了各種機器學習的各種編程語言學術與商業的開源軟體。
• libsvm：台灣大學的林教授的傑作。
• Orange：基於c++和python介面的機器學習軟體，界面漂亮，調用方便,可以同時學習C＋＋和python，還有可視化的功能。
• WEKA ：基於java的機器學習演算法最全面最易用的開源軟體。
• Mallet：基於JAVA實現的機器學習庫，主要用於自然語言處理方面，特色是馬爾可夫模型和隨機域做得好，可和WEKA互補。

嗯，這次整理就到這裡了，如果大家還有什麼更好的私藏好貨也可以告訴我哦，我可以更新上來，嘻嘻~

就醬，溜啦溜啦……