本文主要向大家介绍了机器学习入门之机器学习资源，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。

机器学习资源 Machine learning Resources

致力于分享最新最全面的机器学习资料，欢迎你成为贡献者!

快速开始学习：

周志华的《机器学习》作为通读教材，不用深入，大概了解机器学习来龙去脉

李航的《统计学习方法》作为经典的深入案例，仔细研究几个算法的来龙去脉

使用Python语言，根据《机器学习实战》快速上手写程序

参照Youtube机器学习红人Siraj Raval的视频+代码可以帮助你更好地进入状态！

原Youtube地址需要梯子 | 百度网盘

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

最后，你可能想真正实战一下。那么，请到注明的机器学习竞赛平台Kaggle上做一下这些基础入门的题目吧！(Kaggle上对于每个问题你都可以看到别人的代码，方便你更加快速地学习)  Kaggle介绍及入门解读 可以用来练手的数据集

想看别人怎么写代码？机器学习经典教材《PRML》所有代码实现

机器学习算法Python实现

另外，对于一些基础的数学知识，你看深度学习(花书)中文版就够了。这本书同时也是深度学习经典之书。

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

一个简洁明了的时间序列处理(分窗、特征提取、分类)库：Seglearn

计算机视觉这一年：这是最全的一份CV技术报告

深度学习(花书)中文版

深度学习最值得看的论文

最全面的深度学习自学资源集锦

Machine learning surveys

快速入门TensorFlow

自然语言处理数据集   Learning Machine Learning? Six articles you don’t want to miss

Getting started with machine learning documented by github

预备知识 Prerequisite

学习知识与路线图

MIT线性代数课堂笔记(中文)

概率与统计 The Probability and Statistics Cookbook

Python

Learn X in Y minutes

Python机器学习互动教程

Markdown

Mastering Markdown - Markdown is a easy-to-use writing tool on the GitHu.

R

R Tutorial

Python和Matlab的一些cheat sheet：//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

Neural Network Toolbox

Deep Learning Toolbox

Deeplearning4j

TensorFlow

Scikit-learn

PyTorch

Keras

MXNet|相关资源大列表

Caffe

Caffe2

Python

Java

Matlab

理论 Theory

深度学习 Deep learning

强化学习 Reinforcement learning

迁移学习 Transfer learning

分布式学习系统 Distributed learning system

应用 Applications

计算机视觉/机器视觉 Computer vision / machine vision

自然语言处理 Natural language procesing

语音识别 Speech recognition

生物信息学 Bioinfomatics

医疗 Medical

行为识别 Activity recognition

人工智能(多智能体) Artificial Intelligence(Multi-Agent)

文档 notes

综述文章汇总

近200篇机器学习资料汇总！

机器学习入门资料

MIT.Introduction to Machine Learning

东京大学同学做的人机交互报告

人机交互简介

人机交互与创业论坛

职场机器学习入门

机器学习的发展历程及启示, (@Prof. Zhihua Zhang/@张志华教授)

常用的距离和相似度度量

课程与讲座 Course and talk

机器学习 Machine Learning

台湾大学应用深度学习课程

神经网络，机器学习，算法，人工智能等 30 门免费课程详细清单

斯坦福机器学习入门课程，讲师为Andrew Ng，适合数学基础一般的人，适合入门，但是学完会发现只是懂个大概，也就相当于什么都不懂。省略了很多机器学习的细节

Neural Networks for Machine Learning, Coursera上的著名课程，由Geoffrey Hinton教授主讲。

Stanford CS 229, Andrew Ng机器学习课无阉割版，Notes比较详细

CMU 10-702 Statistical Machine Learning, 讲师是Larry Wasserman，应该是统计系开的机器学习，非常数学化，第一节课就提到了RKHS(Reproducing Kernel Hilbert Space),建议数学出身的同学看或者是学过实变函数泛函分析的人看一看

CMU 10-715 Advanced Introduction to Machine Learning，同样是CMU phd级别的课，节奏快难度高

机器学习基石（适合入门）。国立台湾大学林轩田

机器学习技法（适合提高）。国立台湾大学林轩田

Machine Learning for Data Analysis, Coursera上Wesleyan大学的Data Analysis and Interpretation专项课程第四课。

Max Planck Institute for Intelligent Systems Tübingen德国马普所智能系统研究所2013的机器学习暑期学校视频,仔细翻这个频道还可以找到2015的暑期学校视频

知乎Live：我们一起开始机器学习吧，机器学习入门之特征工程

深度学习 Machine Learning

斯坦福大学Feifei Li教授的CS231n系列深度学习课程。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。

CS224n: Natural Language Processing. Course instructors: Chris Manning, Richard Socher.

强化学习 Machine Learning

CS 294 Deep Reinforcement Learning, Fall 2017. Course instructors: Sergey Levine, John Schulman, Chelsea Finn.

UCL Course on RL

CS234: Reinforcement Learning. 暂无视频

相关书籍 reference book

Hands on Machine Learning with Scikit-learn and Tensorflow

入门读物 The Elements of Statistical Learning(英文第二版),The Elements of Statistical Learning.pdf

机器学习, (@Prof. Zhihua Zhou/周志华教授)

统计学习方法, (@Dr. Hang Li/李航博士)

一些Kindle读物:

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性能分析与优化

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科学计算(第2版)

Python计算机视觉编程 [美] Jan Erik Solem

python核心编程(第三版)

Python核心编程（第二版）

Python高手之路 - [法] 朱利安·丹乔（Julien Danjou）

Python编程快速上手 让繁琐工作自动化

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

机器学习系统设计 (图灵程序设计丛书) - [美]Willi Richert & Luis Pedro Coelho

机器学习实践指南：案例应用解析（第2版） (大数据技术丛书) - 麦好

机器学习实践 测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克（Matthew Kirk）

机器学习：实用案例解析

数学:

Algebra - Michael Artin

Algebra - Serge Lang

Basic Topology - M.A. Armstrong

Convex Optimization by Stephen Boyd & Lieven Vandenberghe

Functional Analysis by Walter Rudin

Functional Analysis, Sobolev Spaces and Partial Differential Equations by Haim Brezis

Graph Theory - J.A. Bondy, U.S.R. Murty

Graph Theory - Reinhard Diestel

Inside Interesting Integrals - Pual J. Nahin

Linear Algebra and Its Applications - Gilbert Strang

Linear and Nonlinear Functional Analysis with Applications - Philippe G. Ciarlet

Mathematical Analysis I - Vladimir A. Zorich

Mathematical Analysis II - Vladimir A. Zorich

Mathematics for Computer Science - Eric Lehman, F Thomson Leighton, Alber R Meyer

Matrix Cookbook, The - Kaare Brandt Petersen, Michael Syskind Pedersen

Measures, Integrals and Martingales - René L. Schilling

Principles of Mathematical Analysis - Walter Rudin

Probabilistic Graphical Models: Principles and Techniques - Daphne Koller, Nir Friedman

Probability: Theory and Examples - Rick Durrett

Real and Complex Analysis - Walter Rudin

Thomas' Calculus - George B. Thomas

普林斯顿微积分读本 - Adrian Banner

Packt每日限免电子书精选:

Learning Data Mining with Python

Matplotlib for python developers

Machine Learing with Spark

Mastering R for Quantitative Finance

Mastering matplotlib

Neural Network Programming with Java

Python Machine Learning

R Data Visualization Cookbook

R Deep Learning Essentials

R Graphs Cookbook second edition

D3.js By Example

Data Analysis With R

Java Deep Learning Essentials

Learning Bayesian Models with R

Learning Pandas

Python Parallel Programming Cookbook

Machine Learning with R

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！