机器学习资料大汇总
from：?http://www.52ml.net/star
機(jī)器學(xué)習(xí)資料大匯總
作者：我愛(ài)機(jī)器學(xué)習(xí)(52ml.net)
注：本頁(yè)面主要針對(duì)想快速上手機(jī)器學(xué)習(xí)而又不想深入研究的同學(xué)，對(duì)于專門的researcher，建議直接啃PRML，ESL，MLAPP以及你相應(yīng)方向的書(shū)（比如Numerical Optimization，Graphic Model等），另外就是Follow牛會(huì)牛paper，如果誰(shuí)有興趣也可以一起來(lái)整理個(gè)專業(yè)的匯總頁(yè)。本頁(yè)面將持續(xù)更新，敬請(qǐng)關(guān)注，如有推薦的文章請(qǐng)留言，謝謝！
000 開(kāi)源工具
機(jī)器學(xué)習(xí)的開(kāi)源工具
Python機(jī)器學(xué)習(xí)庫(kù)
C++矩陣運(yùn)算庫(kù)推薦
001 公開(kāi)課
Machine Learning | Coursera?Andrew NG在coursera上的課，難度比公開(kāi)課略低，適合入門
斯坦福大學(xué)公開(kāi)課 ：機(jī)器學(xué)習(xí)課程?Andrew NG在學(xué)校里面的課程，網(wǎng)易公開(kāi)課有中英文字幕，可以配合筆記來(lái)看
CMU機(jī)器學(xué)習(xí)系主任Tom Mitchell院士機(jī)器學(xué)習(xí)課程視頻及課件（英文）
機(jī)器學(xué)習(xí)|加州理工，老師是Yaser Abu-Mostafa，會(huì)從最基本的理論開(kāi)始，為你構(gòu)建機(jī)器學(xué)習(xí)的基礎(chǔ)。
機(jī)器學(xué)習(xí)基石?如果想聽(tīng)中文課程，臺(tái)灣大學(xué)的這門就很合適，友情提示，臺(tái)大的課程基本上都可以加快語(yǔ)速來(lái)聽(tīng)，原因你懂的
?
神經(jīng)網(wǎng)絡(luò)|多倫多大學(xué)?鼎鼎大名的Geoffrey?Hinton ，這門課著實(shí)不容錯(cuò)過(guò)
凸優(yōu)化課程|斯坦福?授課老師是凸優(yōu)化經(jīng)典教材的作者Stephen?Boyd！有難度有挑戰(zhàn)！
?
概率圖模型??coursera的另外一個(gè)創(chuàng)始人，Daphne Koller的課程，值得一提的是，Koller因提出了Probabilistic Relational Models拿到了2001年的IJCAI Computers and Thought Award
統(tǒng)計(jì)學(xué)習(xí)|斯坦福?授課老師是ESL作者 ，還有同學(xué)把視頻放在了百度網(wǎng)盤(pán)上～ 這個(gè)更快一些
?
1. 機(jī)器學(xué)習(xí)入門篇
? 1.1 機(jī)器學(xué)習(xí)介紹
機(jī)器學(xué)習(xí)-維基百科??Machine Learning-Wikipedia
機(jī)器學(xué)習(xí)簡(jiǎn)史
規(guī)則與機(jī)器學(xué)習(xí)?不建議為了機(jī)器學(xué)習(xí)而機(jī)器學(xué)習(xí)，對(duì)于初學(xué)者應(yīng)該是先規(guī)則再機(jī)器學(xué)習(xí)，規(guī)則直觀，可以深入理解領(lǐng)域知識(shí)和特征，要記住一個(gè)機(jī)器學(xué)習(xí)的專家必須首先是該領(lǐng)域知識(shí)的專家。
貝葉斯思想 MLAPP 第5章 Bayesian statistics 第6章 Frequentist statistics 機(jī)器學(xué)習(xí)第6章 貝葉斯學(xué)習(xí)
監(jiān)督學(xué)習(xí) ESL 第2章 Overview of Supervised Learning
??? 1.2 書(shū)籍
《統(tǒng)計(jì)學(xué)習(xí)方法》?第1章 統(tǒng)計(jì)學(xué)習(xí)方法概論
《機(jī)器學(xué)習(xí)》（Mitchell） 第1章 引言
PRML?第1章 Introduction
MLAPP?第1章 Introduction 第2章 Probability
ESL?第1章 Introduction
Some Notes on Applied Mathematics for Machine?(選修)
Machine Learning Textbook minireviews
List of Cool Machine Learning Books
??1.3 數(shù)學(xué)基礎(chǔ)
線性代數(shù)：公開(kāi)課：?線性代數(shù)；推薦文章 ：?線性代數(shù)的本質(zhì)，
概率論：公開(kāi)課：?概率課|臺(tái)大?葉老師為人風(fēng)趣幽默，課程也比較簡(jiǎn)單，容易聽(tīng)進(jìn)去
? ? ? ? ? ? ?書(shū)籍：MLAPP第二章
微積分：公開(kāi)課：單變量微積分|MIT?多變量微積分|MIT
?
——————————————-
? 1.4 LDA
LDA最佳學(xué)習(xí)資料匯總
? 1.4 Spectral Clustering
Spectral Clustering最佳學(xué)習(xí)資料匯總
? 1.5 圖像處理
圖像處理和計(jì)算機(jī)視覺(jué)中的經(jīng)典論文
2 線性回歸模型
PRML 第3章 Linear Models for Regression
MLAPP 第7章 Linear Regression 第13章 Sparse Linear Models
ESL 第3章 Linear Method for Regression
3 線性分類模型
PRML 第4章 Linear Models for Classification
MLAPP 第8章 Logistic Regression 第9章 Generalized Linear Models and the exponential family
ESL 第4章 Linear Method for Classification
統(tǒng)計(jì)機(jī)器學(xué)習(xí) 第6章 邏輯斯諦回歸與最大熵模型
4 神經(jīng)網(wǎng)絡(luò)
PRML 第5章 Neural Networks
ESL 第11章 Neural Networks
統(tǒng)計(jì)學(xué)習(xí)方法 第2章 感知機(jī)
機(jī)器學(xué)習(xí) 第4章 人工神經(jīng)網(wǎng)絡(luò)
5 支持向量機(jī)
統(tǒng)計(jì)學(xué)習(xí)方法 第7章 支持向量機(jī) (強(qiáng)烈推薦)
PRML 第6章 Kernel Methods 第7章 Sparse Kernel Machine
ESL 第12章 Support Vector Machines and Flexible Discriminants
MLAPP 第14章 Kernels
6 圖模型
PRML 第8章 Graphical Models
MLAPP 第10章 Directed graphical models（Bayes nets） 第19章 Undirected Graphical Models（Marcov random fields）第20章 Exact inference for graphical models 第26章 Graphical model structure learning
統(tǒng)計(jì)學(xué)習(xí)方法 第10章 隱馬爾可夫模型 第11章 條件隨機(jī)場(chǎng)
機(jī)器學(xué)習(xí) 6.11 貝葉斯信念網(wǎng)
ESL 第17章 Undirected Graphical Models
Koller 的書(shū)
Jordan 的書(shū)
7 混合模型和EM
PRML 第9章 Mixture Models and EM
MLAPP 第11章 Mixture models and the EM algorithm
ESL 8.5 The EM Algorithm
統(tǒng)計(jì)學(xué)習(xí)方法 第9章 EM算法及其推廣
8 近似推理
PRML 第10章 Approximate Inference
MLAPP 第21章 Variational Inference 第22章 More Variational Inference
9 采樣方法
PRML 第11章 Sampling Methods
MLAPP 第23章 Monte Carlo inference 第24章 Markov Chain Monte Carlo (MCMC) inference
ESL 8.6 MCMC for Sampling from Posterior
10 PCA
PRML 第12章 Continuous Latent Variables
MLAPP 第12章 Latent Linear Models
ESL 14.5 Principal Componens， Curves and Surfaces
11 HMM
PRML 13.1 13.2 Hidden Marcov Models
MLAPP 第17章 Marcov and Hidden Marcov Models
12 組合模型
(投票，boosting，bagging，樹(shù)模型，model averaging)
PRML 第14章 Combining Models
統(tǒng)計(jì)學(xué)習(xí)方法 第5章 決策樹(shù) 第8章 提升方法
MLAPP 第16章 Adaptive basis function models
ESL 第15章 Random Forests 第16章 Ensemble Learning 8.7 Bagging 第9章 Additive Models, Trees, and Related Methods 第10章 Boosting and Additive Trees
機(jī)器學(xué)習(xí) 第3章 決策樹(shù)學(xué)習(xí)
14 聚類
ESL 14.3 Cluster Analysis
MLAPP 25章 Clustering
PRML 9.1 K-means Clustering
?15 近鄰
ELS 第13章 Protype Methods and Nearest-Neighbors
16 Deep Learning
http://deeplearning.net/
Deep Learning Tutorial
MLAPP 第28章 Deep Learning
? 2.2 Deep Learning教程
UFLDL-斯坦福大學(xué)Andrew Ng教授“Deep Learning”教程
3. 自然語(yǔ)言處理入門篇
? 3.1 斯坦福大學(xué)自然語(yǔ)言處理公開(kāi)課
NLP | 斯坦福??授課教師是 Dan Jurafsky 以及 Christopher Manning，英文不是很有信心的可以參考《斯坦福大學(xué)自然語(yǔ)言處理公開(kāi)課中文解讀》
NLP | 哥倫比亞?授課老師是Michael Collins大神
? 3.2 統(tǒng)計(jì)機(jī)器翻譯
Statistical Machine Translation
統(tǒng)計(jì)機(jī)器翻譯開(kāi)源軟件匯總
注：本頁(yè)面將持續(xù)更新，敬請(qǐng)期待！
總結(jié)
- 上一篇： linux shell 创建序列数组(l
- 下一篇： 机器学习资料推荐 URL