深度学习资料 2019

Deep Learning Study Guide 2019 (free lectuere, book)

Reconmeended by 테리

[Free Lecture - SummerSchool]

• 머신러닝 1시간으로 입문하기 (Terry) https://goo.gl/FoPe2c
• Deep Learning & Reinforcement Learning Summer School (2017) https://goo.gl/4WthXN
• Deep Learning & Reinforcement Learning Summer School(2018) https://goo.gl/Z7stFe
• Machine Learning Summer School (MPI) https://goo.gl/5hQtA1

[Free Lecture - 一学期]

• DeepLearning.ai (Andrew Ng) https://goo.gl/mMr4AW
• CS231n (Stanford) https://goo.gl/WTLZkg
• CS224d (Stanford) https://goo.gl/nmY6Ws
• Fast.ai (Fast.ai) https://goo.gl/aBkesx

[Free Lecture - 强化学习]

• Deep RL bootcamp (UC Berkeley) https://goo.gl/i6CbtR
• UCL lectures (DeepMind) https://goo.gl/gF7EoY
• CS294 (UC Berkeley) https://goo.gl/d17a5x

[Free Lecture - 韩文]

• 모두의 딥러닝 (김성훈) https://goo.gl/zP6cYS
• 모두의 강화학습 (김성훈) https://goo.gl/XQiB9f
• 자연어 처리 (조경현) https://goo.gl/h8q6Kw
• 딥러닝 논문들 (최성준) https://goo.gl/7f2YyN
• 머신러닝 & 파이썬 (최성철, 유료) https://goo.gl/gy3U2y

[Free Book]

• “Pattern Recognition and Machine Learning” https://goo.gl/EMbNKm

• "The Element of Statistical Learning" https://goo.gl/Y8GqqG
  在很多机器学习讲座所用的教材或参考书。从Linar regression开始，讲述classification，kernel methods，support verctor machine，neural networks等。与Coursera的机器学习讲座一起学习效果会更好。（2009）

• “Gaussian Process for Machine Learning” https://goo.gl/4LU3Df

• “Dive into Deep Learning” https://goo.gl/Bk5wF5

• "Deep Learning" https://goo.gl/4kVPrm
  想要学习深度学习，推荐参考Benio的最新书籍。这本书从较容易了解的部分开始慢慢地说明，是学深度学习最适合的书。（2015）

• “Machine Learning: a Probabilistic Perspective” (Not Free)

对那些对英语没有免疫力的人来说，电子书（eBook）是很好的学习资料。今天要介绍的是能免费看的书，也是合法的书，不是盗版的。

下面的网站可以说是具有代表性的例子。
E-Boks Directory：收集了eBook、文档、讲课笔记等能在网上免费获取的资料，从艺术类的到电脑、宗教、旅行等多种。
Free Computer Boks：IT，Programming and computer science：IT，电脑科学等电脑相关书籍。

其他 免费书籍

1. Introduction to Machine Learning – A. Shashua (2008)
   下载
   这本书是只有100页分量的较薄的教材，讲述Maximum likely hood，EM algoritm，PCA，LDA，PAC Learning model等。对不想读很多书的人来说是很好的教材。

2. Learning Deep Architectures for AI – Y. Bengio (2009)
   下载
   如果觉得上面的书量有点多，可以读这本书。是同一个作者在2009年撰写的书，是以Deep Neural Network为中心写的100页分量的书。也是一本好书。

3. Gaussian Process for Machine Learning – C. Rasmussen, C. Williams
   下载
   如果为了Function estimation想学习Gaussian Process(GP)，这本书就是正确答案。 GP大师写的《GPML》(Gaussian Process for Machine Learning)一书。 可能会觉得有点难，但是看完之后实力肯定会提高很多。 相关内容请参考YouTube的GP冬季学校公开讲座。

4. Reinforcement Learning – C. Weber, M. Elshaw, N. Mayer (2008)
   下载

5. Reinforcement Learning: An Introduction – R. Sutton, A. Barto (1998)
   下载

6. Bayesian Reasoning and Machine Learning – D. Barber (2014)
   下载
   包含 Bayesian inference的多种内容。 该书共650页，有Belief networks，Tree algorithms，Expectatiion Maximization。

Reference: http://t-robotics.blogspot.com/