Machine-Learning

KO | EN

gitlite — search

#hacktoberfest #ai #typescript #android #machine-learning #deep-learning #docker #macos #java #awesome-list #vue #security #mcp #open-source

Machine-Learning

(★ 12)

Some resources (books, paper, video and online courses) about ML,DL,DM

Machine-Learning 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 机器学习资源

# Machine learning Resources

*快速开始学习（打基础）：* 
- 周志华的[《机器学习》](https://pan.baidu.com/s/1hscnaQC)作为通读教材，不用深入，大概了解机器学习来龙去脉。（建议买书）
- 李航的[《统计学习方法》](https://github.com/WangRongsheng/Statistical-learning-method-lihang)作为经典的深入案例，仔细研究几个算法的来龙去脉。（建议买书）
- 使用Python语言，根据[《机器学习实战》](https://github.com/apachecn/AiLearning)快速上手写程序。（建议买书） 
- 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](http://speech.ee.ntu.edu.tw/~tlkagk/courses.html)。（每年都有更新，b站上就有；2021年的课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html）
- 想看别人怎么写代码？[机器学习经典教材《PRML》所有代码实现](https://github.com/ctgk/PRML)。（学有余力，可以当做工具书看看）
- [机器学习算法Python实现](https://github.com/lawlite19/MachineLearning_Python)。

- 另外，对于一些基础的数学知识，你看[深度学习(花书)中文版](https://github.com/exacity/deeplearningbook-chinese)就够了。这本书同时也是**深度学习**经典之书。(建议买书)
- 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](http://lamda.nju.edu.cn/weixs/book/CNN_book.html)
- 建议买的书籍都是自己买了的，如果习惯用ipad看书，其实电子书也可以用的很好。

- - -

*其他的一些知识（增广度）：* 
**[深度学习最值得看的论文](http://www.dlworld.cn/YeJieDongTai/4385.html)**

**[最全面的深度学习自学资源集锦](http://dataunion.org/29975.html)**

**[Machine learning surveys](https://github.com/metrofun/machine-learning-surveys/)**

**[快速入门TensorFlow](https://github.com/aymericdamien/TensorFlow-Examples)**

[自然语言处理数据集](http://abunchofdata.com/datasets-for-natural-language-processing/)
 
[Learning Machine Learning? Six articles you don’t want to miss](http://www.ibmbigdatahub.com/blog/learning-machine-learning-six-articles-you-don-t-want-miss)

[Getting started with machine learning documented by github](https://github.com/collections/machine-learning)
- - -

##  预备知识 Prerequisite

- [学习知识与路线图](https://metacademy.org/)

- [MIT线性代数课堂笔记(中文)](https://github.com/zlotus/notes-linear-algebra)

- [概率与统计 The Probability and Statistics Cookbook](http://statistics.zone/)

- Python

- [Learn X in Y minutes](https://learnxinyminutes.com/docs/python/)
    
    - [莫烦python —— 推荐，深入浅出，很多视频篇幅短但能让读者了解基本内容，推荐；本人看了n遍](https://morvanzhou.github.io/)

- [Python机器学习互动教程](https://www.springboard.com/learning-paths/machine-learning-python/)

- 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](https://www.tensorflow.org/)
        - [Scikit-learn](http://scikit-learn.org/)
        - [PyTorch](http://pytorch.org/)
        - [Keras](https://keras.io/)

- Matlab（比较少用了）
        - [Neural Network Toolbox](https://cn.mathworks.com/help/nnet/index.html)
        - [Deep Learning Toolbox](https://cn.mathworks.com/matlabcentral/fileexchange/38310-deep-learning-toolbox)

- - -

## 理论 Theory

- ### 深度学习 Deep learning

- ### [强化学习 Reinforcement learning](https://github.com/allmachinelearning/ReinforcementLearning)

- ### [迁移学习 Transfer learning](https://jindongwang.github.io/transferlearning/)

- ### [分布式学习系统 Distributed learning system](https://github.com/allmachinelearning/Deep-Learning-System-Design)

- - -

## 应用 Applications

- ### [自然语言处理 Natural language procesing](https://github.com/Nativeatom/NaturalLanguageProcessing)

- ### [行为识别 Activity recognition](https://github.com/jindongwang/activityrecognition)

- ### [人工智能(多智能体) Artificial Intelligence(Multi-Agent)](http://ddl.escience.cn/f/ILKI)

- - -

## 文档 notes

- [综述文章汇总](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/survey_readme.md)

- [近200篇机器学习资料汇总！](https://zhuanlan.zhihu.com/p/26136757)

- [机器学习入门资料](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/MLMaterials.md)

- [MIT.Introduction to Machine Learning](http://ddl.escience.cn/f/Iwtu)

- [机器学习的发展历程及启示](http://mt.sohu.com/20170326/n484898474.shtml), (@Prof. Zhihua Zhang/@张志华教授)

- [常用的距离和相似度度量](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/distance%20and%20similarity.md)

- - -

### 机器学习课程汇总 Machine Learning
 
- [台湾大学应用深度学习课程](https://www.csie.ntu.edu.tw/~yvchen/f106-adl/index.html)

- [Neural Networks for Machine Learning](https://www.coursera.org/learn/neural-networks), Coursera上的著名课程，由Geoffrey Hinton教授主讲。

- [Stanford CS 229](http://cs229.stanford.edu/materials.html), Andrew Ng机器学习课无阉割版，Notes比较详细

- [机器学习基石](https://www.coursera.org/course/ntumlone)（适合入门）。国立台湾大学[林轩田](https://www.coursera.org/instructor/htlin)

- [机器学习技法](https://www.coursera.org/course/ntumltwo)（适合提高）。国立台湾大学[林轩田](https://www.coursera.org/instructor/htlin)

- [机器学习入门之特征工程](https://www.zhihu.com/lives/819543866939174912)

### 深度学习课程汇总 Machine Learning

- 斯坦福大学Feifei Li教授的[CS231n系列深度学习课程](http://cs231n.stanford.edu/)。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](https://zhuanlan.zhihu.com/p/21930884)。

- [CS224n: Natural Language Processing](http://cs224n.stanford.edu). Course instructors: Chris Manning, Richard Socher.

### 强化学习课程汇总 Machine Learning

- [CS 294 Deep Reinforcement Learning, Fall 2017](http://rll.berkeley.edu/deeprlcourse/). Course instructors: Sergey Levine, John Schulman, Chelsea Finn.

- [UCL Course on RL](http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html)

- [CS234: Reinforcement Learning](http://web.stanford.edu/class/cs234/index.html). 暂无视频

- - -

## 相关书籍 reference book

- [Hands on Machine Learning with Scikit-learn and Tensorflow](https://my.pcloud.com/publink/show?code=XZ9ev77Zk2l6xcMtfIhHm7mRKAYhISb6sl3k)

- [机器学习](https://book.douban.com/subject/26708119/), (@Prof. Zhihua Zhou/周志华教授)

- [统计学习方法](https://book.douban.com/subject/10590856/), (@Dr. Hang Li/李航博士)

- [一些Kindle课外读物，可泛读一下](http://ddl.escience.cn/f/IwWE):

- 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：实用案例解析

## 其他 Miscellaneous

- [机器学习日报](http://forum.ai100.com.cn/)：每天更新学术和工业界最新的研究成果

- [机器之心](https://www.jiqizhixin.com/)

- [集智社区](https://jizhi.im/index)

- - -
- [一些机器学习，人工智能的公众号]（AI科技大本营，AI科技评论，AI前线，新智元，机器之心等，关注一下可以经常获得不同领域最新的一些科研进展）

# 欢迎点赞，收藏，转发。。。

Machine-Learning

Machine-Learning 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Machine-Learning

Machine-Learning 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README