【资料汇总】学习资料（机器学习&深度学习&统计检验）

1. 数学基础

1.1 线性代数

• 【线性代数的本质】合集-转载于3Blue1Brown官方双语

1.2 各种变换

• 形象易懂讲解算法I——小波变换

1.3 其它知识点

• 十分钟学习极大似然估计
• 初学机器学习：直观解读KL散度的数学概念
• 熵, 交叉熵, 和KL散度
• KL散度(Kullback-Leibler Divergence)介绍及详细公式推导
• 数据科学中常见的9种距离度量方法，内含欧氏距离、切比雪夫距离等

---

2. 机器学习

2.1 机器学习入门

书籍

• 周志华《机器学习》
• 李航 《统计学习方法》

视频

• 吴恩达机器学习
• 李宏毅2020机器学习深度学习(完整版)国语

影像组学

• 影像组学pyradiomics教程

---

3. 深度学习

3.1 深度学习入门

博客

• 零基础入门深度学习
• 写给妹子的深度学习教程

视频

• deeplearning.ai课程
• 李宏毅2020机器学习深度学习(完整版)国语
• 动手学深度学习在线课程

书籍

• 李沐《动手学深度学习》第二版
• 解析深度学习：卷积神经网络原理与视觉实践
• PyTorch版《动手学深度学习》

3.2 深度学习综述

• CNN综述-2019

---

4. 统计检验

4.1 检验方法

• 检验方法合集

4.2 参数检验&非参数检验

• 参数检验与非参数检验
• 如何理解非参数检验？
• 何时应该使用非参数检验？

4.3 视频

• 国家精品课程-概率论与数理统计
  • 第十周 参数估计
  • 第十一周 假设检验

4.4 相关系数

• 三种常见的相关系数 - Pearson积差相关系数 & Spearman秩相关系数 & Kendall秩相关系数

---

5. 其它

5.1 Python

Python基础书籍

• 简明 Python 教程
• Python编程从入门到实践

Python提高书籍

• 流畅的Python

Python数据采集与分析

• 利用Python进行数据分析

5.2 R语言

R语言基础书籍

• 实用机器学习
• R语言实战