1、Python学习
学习python首推廖雪峰老师的教程,建议系统的学习下该教程,敲代码运行跑一跑。
地址:点击查看
在实验楼上有许多的小demo,试着敲一敲。
地址:点击查看
2、机器学习
2.1 数学知识
在学习机器学习之前,数学功底不好的小伙伴就很头疼,一大堆的数学公式。这里推荐了一些数学的书籍,大家按需下载,选择其中两三本即可。
地址:链接:点击查看 提取码:ceda
国内较好的书籍,概率论,高等数学,线性代数,图论,数值分析,反正就是大学所学的数学知识,奈何还是没搞明白。想出好的成果,数学基础和编程非常重要。
2.2 机器学习
备注:建议仔细阅读统计学习方法和机器学习,推算一下公式,善于归纳做笔记,其中算法代码实现一下。冰冻三尺非一日之寒,滴水石穿非一日之功。一点一滴,日积月累,量变会引起质变。
周志华老师的西瓜书,入门有点难度,需要一定的数学功底。
地址:链接:点击查看 提取码:rlzu
李航老师的统计学习方法,适合入门,推荐先看统计学习方法,再看西瓜书。
算法工程师面试书籍:《百面机器学习》,可以买来扎实基本功。
吴恩达老师的机器学习教程的笔记,视频可以在网易云课堂上找到。此外还有台湾大学林轩田老师、莫烦的机器学习教程。
地址:链接:点击查看提取码:lo55
机器学习笔记:点击查看
2.3 机器学习编程
机器学习实战
地址:链接:点击查看 提取码:1ua9
2.4 凸优化
凸优化
地址:链接:点击查看 提取码:wkqc
3、深度学习
3.1 视频
Ng视频地址:点击查看
- 视频课后作业:点击查看
Li FeiFei视频地址:CS231n计算机视觉课程
3.2 书籍
深度学习500问:DeepLearning-500-questions,是一个github开源项目,资料很全。
深度学习:
- 人民邮电出版社的《深度学习》,该书籍内容很全,方便平时查阅。
- 《动手学深度学习》,该书籍配套资料很全,MXNet代码地址,Pytorch代码地址。
3.3 Code:
tensorflow & pytorch
- 《深度学习框架pytorch 入门与实践》,pytorch入门不错书籍,多翻阅几次,运行调试代码。pytorch中文文档在线。
- 《TensorFlow实战》,tensorflow学习。
题外:网络模型可视化工具,可在github上下载exe,dmg文件。
备注:以上推荐也是本人学习历程,本人也会实时更新该推荐。
由于作者水平有限,文中若有不正确的地方,欢迎大家指出,若有任何问题,请在下方讨论。