機(jī)器學(xué)習(xí)資料：

1. 臺灣大學(xué)林軒田老師的”機(jī)器學(xué)習(xí)基石”
http://www.bilibili.com/video/av1624332/?from=search&seid=5267157557318528006
只看完一部分，不錯(cuò)，推薦。

2. 進(jìn)階課程：臺灣大學(xué)林軒田老師的”機(jī)器學(xué)習(xí)技法”
http://www.bilibili.com/video/av6991226/?from=search&seid=7275447825968521174

3. Andrew Ng的Standford機(jī)器學(xué)習(xí)公開課
http://open.163.com/special/opencourse/machinelearning.html
名氣很大，不過沒怎么看。

上面這幾個(gè)視頻課程都是名氣比較大的，喜歡視頻課程的人可以看看。不過本人比較喜歡看書，遇到好的書看起來比較視頻課程快很多。

一些比較有名的書籍，如：
4. 周志華的西瓜書<<機(jī)器學(xué)習(xí)>>
https://book.douban.com/subject/26708119/
已讀完一半，廣度不錯(cuò)，基本機(jī)器學(xué)習(xí)的各方面都覆蓋到了，不過都是概述性的介紹，事先沒有一點(diǎn)基礎(chǔ)會比較難讀懂，只讀這些遠(yuǎn)遠(yuǎn)不夠的。

5. 李航 <<統(tǒng)計(jì)學(xué)習(xí)方法>>
https://book.douban.com/subject/10590856/
讀了幾章就沒往下看了，感覺不好，不是很推薦。倒不是懼怕數(shù)學(xué)，對數(shù)學(xué)書籍，本人比較喜歡有數(shù)學(xué)思想貫穿的書籍，而不只是羅列一堆公式和沒有靈感的生硬推導(dǎo)，讀起來累，讀完后也很容易忘。可能本人的概率論與數(shù)理統(tǒng)計(jì)、貝葉斯統(tǒng)計(jì)的知識還需要加強(qiáng)。
一般計(jì)算機(jī)的工科生有比較好的微積分、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)的知識，再加上一點(diǎn)泛函、抽代、優(yōu)化理論等現(xiàn)代數(shù)學(xué)知識就更好了（這塊不需要獨(dú)立地去補(bǔ)，找好一點(diǎn)的機(jī)器學(xué)習(xí)書籍就會有介紹）。不過本人學(xué)習(xí)下來感覺機(jī)器學(xué)習(xí)領(lǐng)域需要很強(qiáng)的統(tǒng)計(jì)學(xué)知識和統(tǒng)計(jì)推斷思想，這塊需要補(bǔ)。

其他一些有名的書籍就不列了（美國、加拿大、英國那些有名的CS名校 ，都有比較好的書籍）。

下面推薦一些不常見，卻非常好的資料，理論與實(shí)踐有很好的結(jié)合。（我的學(xué)習(xí)方式：比較喜歡網(wǎng)上找資料學(xué)習(xí)。對于書籍，如果是非理論性的，一般是跟不上IT的發(fā)展速度的）

6. 零基礎(chǔ)入門深度學(xué)習(xí)系列
https://zybuluo.com/hanbingtao/note/433855
已讀，強(qiáng)烈推薦。很不錯(cuò)，文筆和邏輯都很清晰。

7. 機(jī)器學(xué)習(xí)算法效果演示：playground tensorflow
http://playground.tensorflow.org/
已玩，推薦。Google基于TensorFlow的作品，可以實(shí)際感受一下機(jī)器學(xué)習(xí)的效果。

8. Deeplearning4j學(xué)習(xí)文檔
https://deeplearning4j.org/cn/index
已讀，推薦，文檔結(jié)構(gòu)和邏輯都很清晰。可以下載example代碼實(shí)際玩一玩。DL4j是基于Java的深度學(xué)習(xí)實(shí)現(xiàn)庫。很多人可能會推薦TensorFlow（基于Python）或Caffe2（基于C++），不過以國內(nèi)的互聯(lián)網(wǎng)公司現(xiàn)狀和本人工程實(shí)踐來說，還是更喜歡看Java的實(shí)現(xiàn)，可以結(jié)合大數(shù)據(jù)處理框架Spark/Flink。Java領(lǐng)域的2個(gè)經(jīng)典實(shí)現(xiàn)庫DL4j和apache mahout，可以重點(diǎn)學(xué)習(xí)。以后有時(shí)間再去看Python的實(shí)現(xiàn) :)

9. 張連文 <<貝葉斯網(wǎng)引論>>
https://book.douban.com/subject/1974704/
已讀，強(qiáng)烈推薦。系統(tǒng)地介紹貝葉斯統(tǒng)計(jì)和推斷的知識，邏輯清晰，圖表豐富。

10. 劉未鵬：平凡而又神奇的貝葉斯方法
http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/
已讀，推薦。深入淺出地介紹貝葉斯方法背后的本質(zhì)思想。

11. Deep Learning e-book中文版
https://github.com/exacity/deeplearningbook-chinese
正在讀，深度學(xué)習(xí)的全面介紹，強(qiáng)烈推薦。看目錄就知道了，有完整的數(shù)學(xué)預(yù)備知識介紹。

還找到一個(gè)有豐富實(shí)踐的blog：http://www.cnblogs.com/hellochennan/category/813102.html，有時(shí)間可以看看。

最后推薦2本經(jīng)典的大部頭著作，能啃完這兩本，那差不多可以去做研究了:)。

1. 人工智能：一種現(xiàn)代方法
https://book.douban.com/subject/25796281/

2. 信息論、推理與學(xué)習(xí)算法
https://book.douban.com/subject/1893050/
---------------------
原文：https://blog.csdn.net/zhoudaxia/article/details/71440726

總結(jié)

以上是生活随笔為你收集整理的机器学习资源和路线图的全部內(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。