本文主要向大家介绍了机器学习入门之机器学习入门资源大全，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

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：

机器学习温和指南

有趣的机器学习：最简明入门指南

一个故事说明什么是机器学习

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

Coursera

codecademy

edX

openlearning

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

博客园 - 开发者的网上家园

matlab中文论坛

CSDN论坛-IT技术交流平台

V2EX

果壳 - 机器学习小组

6、其它

相关网站

我爱自然语言处理

机器学习 - 伯乐在线

学习笔记

tornadomeet 机器学习 笔记 (2013)

Deep Learning（深度学习）学习笔记整理系列之（一）

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

C 语言入门教程

Scala 开发教程

OpenGL

Python3 简明教程

R 语言基础入门

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！(●'◡'●)

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！