机器学习学习路线和资料整理

机器学习学习路线和资料整理

1.基础知识

数学基础最主要是高等数学、线性代数、概率论与数理统计三门课程。

1.1微积分

《普林斯顿微积分读本》

下载链接：https://pan.baidu.com/s/1S1ypgDi2FH3uYjHEfvKwJA

提取码：bjlv

微积分的本质：https://space.bilibili.com/88461692/video

1.2 线性代数

《线性代数及其应用》

下载链接：https://pan.baidu.com/s/1I1MZghXM_gq65ieUx0I20Q

提取码：hvqo

1.3 概率论

《概率论与数理统计》

下载链接：https://pan.baidu.com/s/1yBXQUD2lSTA_oSxqUcaqcw

提取码：uwfm

2.编程语言

选择Python。

2.1 环境搭建

1）使用Anaconda（python 3.7版本）搭建环境，Anaconda支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本Python并存、切换以及各种第三方包安装问题。

https://www.anaconda.com/download/ 

2）Anaconda+Jupyter notebook+Pycharm安装教程：

https://zhuanlan.zhihu.com/p/59027692

3）Ubuntu18.04深度学习环境配置(CUDA9+CUDNN7.4+TensorFlow1.8)：

https://zhuanlan.zhihu.com/p/50302396

2.2 Python学习

这份Python笔记将基本语法基本全部记录，可以帮助入门。

链接：https://pan.baidu.com/s/1KPKCvrZVzw_nhpASe8nx5w

提取码：nu2q

3.机器学习

3.1吴恩达《Machine Learning》

网易云课堂搬运了这门课，并由黄海广等人翻译了中文字幕。

中文笔记及作业代码：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

3.2林轩田《机器学习基石》

课程由浅入深、内容全面，作为机器学习的入门和进阶资料非常适合。

中文视频：

https://www.bilibili.com/video/av36731342

中文笔记：

https://redstonewill.com/category/ai-notes/lin-ml-foundations/

配套教材

配套书籍为《Learning From Data》，在线书籍主页：http://amlbook.com/

3.3林轩田《机器学习技法》

《机器学习基石》的进阶课程。

中文视频：

https://www.bilibili.com/video/av36760800

中文笔记：

https://redstonewill.com/category/ai-notes/lin-ml-techniques/

3.4周志华的《机器学习》

入门时学习这本书籍难度稍微偏高了一些。

读书笔记：

https://www.cnblogs.com/limitlessun/p/8505647.html#_label0

公式推导：

https://datawhalechina.github.io/pumpkin-book/#/

课后习题：

https://zhuanlan.zhihu.com/c_1013850291887845376