机器学习和深度学习路线

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。

• 地址：链接：点击查看 提取码：u7vh
• code:机器学习算法，机器学习算法

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。