###0.Introduction to ML & DL (both wholly and briefly)

• Foundations of Machine Learning–MIT
• Understanding Machine Learning from theory to Algorithms(★★★★★)
• Fundamentals of Machine Learning for Predictive Data Analytics
• 從頭開始實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)：入門
• Hacker’s Guide to Neural Networks
• A Deep Learning Tutorial: From Perceptrons to Deep Networks–中文版 here
• Brief History of Machine Learning
• 理解SVM的三層境界-支持向量機(jī)通俗導(dǎo)論
• PRML 讀書會(huì)–很早之前
• 一篇非常好的概述機(jī)器學(xué)習(xí)的文章(★★★)–博客位置
• 深度學(xué)習(xí)機(jī)器環(huán)境配置
• Deep Learning–Benjio
• Neural Networks and Deep Learning–Michael Nielsen–很有名的一份課程（和 UFLDL 配合）
• "生成對(duì)抗網(wǎng)絡(luò)"是啥？這位技術(shù)大牛給你講講

###1.ALgebra

• Introduction to Linear Algebra-Gilbert Strang
  • 第五版?zhèn)€人主頁（電子版還未開放）
  • 第四版下載地址

###2.Calculus

• Single Variable Calculus–MIT
• Multivariable Calculus–MIT
• Multivariable Calculus–Khan academy（一個(gè)類似國(guó)內(nèi)**萬門大學(xué)**的很精致的國(guó)外教學(xué)網(wǎng)站）

###3.Probabilies

• Stanford 機(jī)器學(xué)習(xí)概率簡(jiǎn)單介紹
• Machine Learning A Probabilistic Perspective–Kevin Murphy
• Probability for Statistics and Machine Learning
  ###4.Python(both books and websites)
• Python Cookbook–中英文都有(★★★★★)
• 還有一個(gè)精致的中文版**在這里**
• Python for Probability, Statistics and Machine Learning(★★★★★)
• Python Machine Learning
• Python Machine Learning Cookbook–Code repository
• Introduction to Machine Learning with Python–Oreilly 2016
• Essentials of Machine Learning Algorithms (with Python and R Codes)
• 廖雪峰 Python 教程
• DL 實(shí)踐
• Practical Deep Learning For Coders(★★★★★)
• Learn TensorFlow and deep learning, without a Ph.D(★★★★★) More detailed introduction of the knowledge in it

###5.School Slides or Handouts

• cmu 機(jī)器學(xué)習(xí)課程：
  • Statistical ML–統(tǒng)計(jì)系的課
  • ML in cs depart–Mitchell–計(jì)算機(jī)系的課
• stanford :
  • CS 229 Machine Learnig
  • CS229T Statistical Learning Theory–theory part
  • UFLDL–Unsupervised Feature Learning and Deep Learning–中文版–By Andrew NG
  • CS 345a Data Mining
  • CS 231n Convolutional Neural Networks for Visual Recognition–CNN(★)
  • CS 246 Mining Massive Data Sets
  • CS224d: Deep Learning for Natural Language Processing —視頻下載—博客筆記
• mit:
  • Prediction: Machine Learning and Statistics–統(tǒng)計(jì)知識(shí)更加詳細(xì)
  • Mathematical statistics
  • Theory of Probability
  • Mathematics for computer science
• nyu :
  • Introduction to Machine Learning
• 上交：
  • 統(tǒng)計(jì)機(jī)器學(xué)習(xí)–課件講義
  • 機(jī)器學(xué)習(xí)導(dǎo)論–課件講義
• Coursera :
  • Neural Networks for Machine Learning
  • Mathemetics for Machnie learning
  • Neural Networks and Deep learning[NG]

###6.Statistics & Statistical Learning

• Lecture Notes on Statistical and Machine Learning
• The Elements of statistical learning–Stanford（很經(jīng)典的一本書 up to 10th edition）
• Machine Learning a Probabilistic Perspective(★★★★★)
  ###7.Open Courses
• 機(jī)器學(xué)習(xí)基石–課程已下架，只能參閱筆記–線下下載在這
• Learning from data–iMooc課程，授課人是上邊那個(gè)課程的老師
• Neural Networks in Machine Learning–Hinton–多倫多大學(xué)的大牛，DL 領(lǐng)域の四大天王¹之一
• Udacity Deep Learning 課程–from goole 強(qiáng)推(★★★★★)–Github 筆記地址&1 &2
  ###8.Outstanding blogs
• 臺(tái)灣國(guó)立大學(xué)機(jī)器學(xué)習(xí)基石聽課筆記
• Deep Learning 基礎(chǔ)細(xì)節(jié)及實(shí)現(xiàn)(★★★★★)
• Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記
• 機(jī)器學(xué)習(xí)算法與Python實(shí)踐
• Deep learning 實(shí)戰(zhàn)
• 神經(jīng)網(wǎng)絡(luò)入門+ 遺傳算法入門
• 漫談 Clustering 系列
• The EM Algorithm–元老級(jí)博客–自2011年就發(fā)表了很多算法的詳解
• Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之LeNet-5卷積參數(shù)個(gè)人理解
• 計(jì)算機(jī)的潛意識(shí)(★★★★★)
• 元老級(jí)的機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘博客(★★★★★)
• 機(jī)器學(xué)習(xí)中常見的損失函數(shù)(★★★★★)
• 部分算法的 Python 實(shí)現(xiàn)
• 很多問題的收集(★★★)
• 神經(jīng)網(wǎng)絡(luò)編程入門
• 偏重于系統(tǒng)架構(gòu)的一個(gè)博客
• TensorFlow中cnn-cifar10樣例代碼詳解–有好多源碼講解(★★★★★)
• 交叉熵、softmax 推導(dǎo)、NTM(神經(jīng)圖靈機(jī))
• 機(jī)器學(xué)習(xí)及數(shù)學(xué)知識(shí)很多–有機(jī)器學(xué)習(xí)中的數(shù)學(xué)系列(★★★★★)
• Shareditor–自己動(dòng)手做聊天機(jī)器人、機(jī)器學(xué)習(xí)系列教程-- github 地址(★★★★★)
• Jasonding 機(jī)器學(xué)習(xí)中的數(shù)學(xué)等–github 主頁(★★★★★)
• TensorFlow tutorial 以及 深度學(xué)習(xí)實(shí)驗(yàn)(★★★★★)
• 深度學(xué)習(xí)系列博客(★★★★★)
• ResNet && DenseNet(原理篇) 及 tensorflow 實(shí)現(xiàn)
  ###9.Interesting and Novel things
• CNNdroid 在移動(dòng)設(shè)備上的應(yīng)用
• 深度學(xué)習(xí)盛會(huì)ICLR2017最佳論文
• 梵高眼里的星空有多美
• Deep Learning for Chess
• Duplicate Question Detection with Deep Learning on Quora Dataset
• Google Tensorflow Playground–在網(wǎng)站上體驗(yàn)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練–介紹其基本原理的一個(gè)博客
• DeepLearningFlappyBird
• ConvNetJS–網(wǎng)頁的深度學(xué)習(xí)部署框架
• DyNet–動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)工具包–faster than Theano and TensoFlow–論文地址
• Tensorflow 梵高作畫 1–大神 July 的博客，我是他的小粉絲 2
  ###10.Four Kings of Machine Learning
• Geoffrey Hinton

–多倫多大學(xué)
–將 BP 算法用于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的倡導(dǎo)者，NN 的衛(wèi)道夫
–Google AI
–Inovation: Dark Knowledge 的概念

• Yann Lecun

–紐約大學(xué)
–BP 算法的提出者（博士期間，也是Hinton 的學(xué)生）；CNN在DL中應(yīng)用的開拓（代表是 Lenet）
–Facebook AI
–Inovation: Lenet（手寫數(shù)字識(shí)別系統(tǒng)）; Lush（面向?qū)ο缶幊陶Z言>=~Matlab）

• Yoshua Bengio

–蒙特利爾大學(xué)
–RNN 在 DL 中應(yīng)用的開拓者（代表是 Lenet）
– CIFAR 領(lǐng)導(dǎo)人
–Inovation: 細(xì)致討論了 Natural Language Model, Gradient Vanishing, word2vet 原型
–Inovation: Theano(基于 Symbolic computational graph) 創(chuàng)始人，為后來的 Keras, 國(guó)內(nèi)的 Mxnet, google 的 TensorFlow 以及 Berkeley 的 cgt 的創(chuàng)建都基于這個(gè)庫(kù)。

• Andrew NG

–斯坦福大學(xué)
–Coursera 創(chuàng)建者；Google Brain 創(chuàng)建者
–百度首席

###11.Tools and Libraries

• Scikit-Learn
• 機(jī)器學(xué)習(xí)使用python
• TensorFlow-中文社區(qū)在這里（速度特別慢）

###12.Competitions

• CIKM 數(shù)據(jù)挖掘競(jìng)賽
• DataCastle 數(shù)據(jù)應(yīng)用競(jìng)賽–好地方啊好地方
• 天池大數(shù)據(jù)競(jìng)賽–Ali
• Kaggle
• 英特爾 Kaggle 競(jìng)賽技術(shù)參考–會(huì)提供計(jì)算資源，有期限，而且要用 intel 的東西
  ###13.Datasets
• 100+詭異的數(shù)據(jù)集
• UCI dataset–加州大學(xué)機(jī)器學(xué)習(xí)數(shù)據(jù)集
• Deep Learning Datasets
  ###14.Interview Materials
• 一份面試問題合集
• 8個(gè)機(jī)器學(xué)習(xí) Cheat Sheet
• SoulMachine Machine Learning Cheat Sheet(★★★★★)

---

###15.Superior Websites(already read in this process):

未讀或待讀，以及收集的書單鏈接**在這里**。

• The Mathematics of Machine Learning（介紹很詳細(xì)，也有資料介紹，我有很多都是看了它推薦的課）
• 一個(gè)國(guó)外學(xué)者的博客–Dr. Mark Humphrys（有講好多算法 e.g. BP MLNN）
• 非常好的 Machine Learning 學(xué)習(xí)網(wǎng)站1(★★★★★)
• 非常好的 Machine Learning 學(xué)習(xí)網(wǎng)站2–Ritchie NG(★★★★★)
• Deep Learning.net–DeepLearning tutorial 0.1 based on Theano
• Machine Learning in Games
• Redit/Mongodb 絕佳講解 blog

###16.Data Structure and algorithm

• July’s blog–微軟100 and 37章經(jīng)
• Code Ganker --Leetcode
• 18大經(jīng)典數(shù)據(jù)挖掘算法小結(jié)–有 github 實(shí)現(xiàn)

---

###17.Subfield: Reinforcement Learning

• Reinforcement Learning: An Introduction

###18.Subfield: 推薦系統(tǒng)

Blog:

推薦系統(tǒng)常用算法及機(jī)器學(xué)習(xí)—Blog

###19.Subfield: Nueral Networks

• 數(shù)據(jù)挖掘系列（10）——卷積神經(jīng)網(wǎng)絡(luò)算法的一個(gè)實(shí)現(xiàn)(★★★★★)
• Deep Learning模型之：CNN卷積神經(jīng)網(wǎng)絡(luò)（一）深度解析CNN(★★★★★)
• 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)-學(xué)習(xí)總結(jié)
• 深度學(xué)習(xí)元老Yann Lecun詳解卷積神經(jīng)網(wǎng)絡(luò)
• 卷及神經(jīng)網(wǎng)絡(luò)BLog
• Convolutional Neural Networks (LeNet)
• Deep learning：三十八(Stacked CNN簡(jiǎn)單介紹)(★★★★★)
• Deep Learning論文筆記之（四）CNN卷積神經(jīng)網(wǎng)絡(luò)推導(dǎo)和實(shí)現(xiàn)(★★★★★)
• 人工智能 CNN 可視化

###20.Related books

• The most important machine learning books.

###21.Important persons

國(guó)內(nèi)外需要關(guān)注的大牛.csdn

---

他們分別是 Geoffrey Hinton, Yann Lecun, Yoshua Bengio and Andrew NG
他們現(xiàn)在從事的單位分別是Google AI, Facebook AI, CIFAR and Baidu. 簡(jiǎn)介鏈接 ??

總結(jié)

以上是生活随笔為你收集整理的机器学习书籍资料（自己正在读的）---self-reading ML booklist ( To be continued )的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。