一、数学基础
微积分
可汗学院公开课:微积分-微分学 http://v.163.com/special/Khan/differentialcalculus.html
概率与统计
可汗学院公开课:概率 http://open.163.com/special/Khan/probability.html
可汗学院公开课:统计学 http://open.163.com/special/Khan/khstatistics.html
线性代数
可汗学院公开课:线性代数 http://open.163.com/special/Khan/linearalgebra.html
PS: 网易的可汗学院的公开课,是用英文讲的,有中文字母,对英语不好的我来说太幸福,再到大学二手书摊上淘几本教材和习题,把数学基础牢牢地打扎实了。
二、机器学习理论
机器学习基础(Machine Learning Foundations) https://www.coursera.org/
机器学习技法 (Machine Learning Techniques) https://www.coursera.org/
国立台湾大学林軒田教授的公开课,网站 提供视频课件下载 还有练习题
三、机器学习实战
语言:python
参考书:机器学习实战.pdf
Python 机器学习工具库:
numpy Python中最流行的一个数值计算库,主要实现矩阵数据结构及相关运算,能进行与Matlab类似的各类操作。同时在实现上进行了优化,在使用向量化计算的前提下,可以使得Python中相关运算的速度提到极大提高。
matplotlib 绘图工具包,能够直接产生图像,或导出成各类文件。用于科学计算中的制图。
scipy 各类经典科学计算相关工具函数的集合。
numexpr 编译numpy的表达式,生成速度更快的编译代码。
sympy 数学符号计算,求导,求积等。
theano 一个适合于机器学习各类优化问题实现的库,能够进行符号求导。最重要的是会将函数内部编>译为高速的C函数,且可进行GPU计算。
scikit-learn 各类经典机器学习算法的实现。