初学者学习机器学习的资料选择

作为一个机器学习的初学者，该要看的资料

书的话，周志华的西瓜书《机器学习》很注重理论，刚开始看可能有一些困难，但可以让你很深入的了解机器学习的相关知识与理论，需要看详细点，这样可以对机器学习的内容以及应用到的算法知识等有一个详细的了解。

《机器学习实战》很推荐，是用python写的，可以让你很轻松的就上手相关算法，让你有一些成就感，而不是感觉纯学了很多理论却不知道该怎么使用。我的很多算法都是按照这本书上的来实现的。用这本书的时候，我是先通读代码和注释，了解各部分代码的作用和实现方式，然后再自己敲，不要看着书一行一行的打代码。

李航的《统计学习方法》，这本书比周志华的西瓜书要浅显易懂，书中主要是对机器学习中的一些算法的公式进行了数学讲解，能够帮助你理解这些算法，更主要的是，我发现《统计学习方法》与《机器学习实战》它们之间的章节几乎是对应的，只不过一个是理论，一个是实践，完全可以在看完《统计学习方法》的某一章后，再去《机器学习实战》中找到这一章的内容，进行实战！比如K-NN，比如决策树，比如朴素贝叶斯，再比如逻辑回归、最大熵、支持向量机、AdaBoost等等等！

吴岸城的《神经网络与深度学习》这本书买了后，看了看，感觉是很水的一本书。。。整本书没讲多少有用的东西，就是对CNN、RNN、DBN做了一些介绍，然后举了几个JAVA的小例子，感觉完全没用。。。

以上几本书我建议先通读一遍周志华的《机器学习》，不必了解的很深入，对机器学习的内容有一个大致的了解即可，然后看《统计学习方法》，学完一章就在《机器学习实战》中找到对应的内容进行练习。

课程方面，有斯坦福大学吴恩达的一门《机器学习》，很有名，推荐学习。这门课是英语教学，但有英语、汉语以及日语等字幕，并且吴恩达讲课的语速还可以，直接听也不会有很大的问题。网上的课程是全套的，还有练习和作业，你可以提交上去。

地址：https://www.coursera.org/learn/machine-learning

同样是斯坦福大学的一门公开课，cs231n，这个讲的比较深入，而且偏重图形图像方面，比如神经网络、CNN等。但是这门课可以学习到很多知识，之前我有遇到的很多问题比如BP算法的误差到底是怎么算的，我有一些了解，但不够详细，看了这门课后就都明白了，茅塞顿开，自己拿笔把之前的机器学习期末考试题重新算了一下。这门课是Fei-Fei Li 、Justin Johnson 和 Serena Yeung教授讲的，英文授课，需要说一下，Justin Johnson的语速非常非常的快。。。起初我不看字幕，能听懂Fei-Fei Li的讲话，可一到这哥们，我直接崩溃。。。网易公开课上有中文字幕，但翻译的不是特别精确。

地址：http://study.163.com/course/courseMain.htm?courseId=1003223001
课件地址：http://cs231n.stanford.edu/slides/2017/

台湾教授李宏毅，他的课程是中文的，英语不好的可以看看，这门课也是很有名，有视频有ppt，也可以直接百度李宏毅，会有他的不少资源，包括心得笔记等等。

地址：http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLSD15_2.html

当然，paper这些还是很重要的，但对我们这些之前没接触过机器学习的新人来说，先把这些学了，基础才能打好，后面才能更深入的去学习，那时候再多多接触论文吧

另外推荐关注知乎专栏“智能单元”，里面有很多有用的分享、翻译、笔记等，更新也挺及时的，比如最新的伯克利CS194课程等