怎么从0学习机器学习

从2012年开始我在微博上关注了一些混段子界和学术界(主要是计算机视觉和机器学习)的博主，很有收获，总算找到一些门道。 其实也简单，首先还是要补充自己的数学基础，即线性代数、概率论以及微积分等。我自己的微积分还记得，马马虎虎， 线性代数几乎忘掉，完全是靠重新学习“MIT的线代代数入门”。这门课上的非常过瘾，老教授道骨仙风一般，深入浅出，从未听过如此高水平的数学课。

在有了最最基础的准备之后，我上了Ng在斯坦福的机器学习课程，这又是一门让我大开眼界的课。 首先让我感叹自己上大学的时候，为什么没有这么好的学习资源，接着庆幸现在开始知道，还不算晚。 上完这两门课之后，彻底让我不再惧怕各种公式推导，认清楚了一个问题：一般学术论文里的数学大都是可以看懂得，原先没看懂是因为基础忘了。

之后我又学完了Ng在Coursera上开的机器学习课程，以及台大的两门机器学习课程，自认总算入门了。 目前，我主要精力集中在深度学习的课程方面，目标是能够全栈式的，在计算机视觉领域，应用深度学习，开发产品。 争取掌握深度学习基本理论，熟悉各种技法，了解工业界主流开发方法。2015年，要开发出一款真正应用深度学习的特色产品。

学习资源

  1. MIT线性代数课程，网易公开课, 黑板教学
  2. 斯坦福大学公开课 ：机器学习课程, 网易公开课， 课程官方网站 ，黑板教学
  3. Coursera 机器学习入门 , MOOC教学，配套练习非常值得全部完成
  4. 台大：机器学习基石, MOOC教学，有关学习理论方面教学非常有特点
  5. 台大：机器学习技法, MOOC教学，上面课程的进阶课
  6. Ng的深度学习教程, Wiki教学，配套练习非常值得全部完成
  7. 斯坦福大学的面向CV的深度学习课：CNN和计算机视觉, 讲述了非常多的深度学习技法
  8. 斯坦福大学的面向NLP的深度学习课：NLP和深度学习。
来源：http://zhouchang.info/blog/2015-03-02/learning-machine-learning-resource.html