机器学习书籍资料（自己正在读的）---self-reading ML booklist ( To be continued )

###0.Introduction to ML & DL (both wholly and briefly)

• Foundations of Machine Learning–MIT
• Understanding Machine Learning from theory to Algorithms(★★★★★)
• Fundamentals of Machine Learning for Predictive Data Analytics
• 从头开始实现神经网络：入门
• Hacker’s Guide to Neural Networks
• A Deep Learning Tutorial: From Perceptrons to Deep Networks–中文版 here
• Brief History of Machine Learning
• 理解SVM的三层境界-支持向量机通俗导论
• PRML 读书会–很早之前
• 一篇非常好的概述机器学习的文章(★★★)–博客位置
• 深度学习机器环境配置
• Deep Learning–Benjio
• Neural Networks and Deep Learning–Michael Nielsen–很有名的一份课程（和 UFLDL 配合）
• "生成对抗网络"是啥？这位技术大牛给你讲讲

###1.ALgebra

• Introduction to Linear Algebra-Gilbert Strang
  • 第五版个人主页（电子版还未开放）
  • 第四版下载地址

###2.Calculus

• Single Variable Calculus–MIT
• Multivariable Calculus–MIT
• Multivariable Calculus–Khan academy（一个类似国内**万门大学**的很精致的国外教学网站）

###3.Probabilies

• Stanford 机器学习概率简单介绍
• Machine Learning A Probabilistic Perspective–Kevin Murphy
• Probability for Statistics and Machine Learning
  ###4.Python(both books and websites)
• Python Cookbook–中英文都有(★★★★★)
• 还有一个精致的中文版**在这里**
• Python for Probability, Statistics and Machine Learning(★★★★★)
• Python Machine Learning
• Python Machine Learning Cookbook–Code repository
• Introduction to Machine Learning with Python–Oreilly 2016
• Essentials of Machine Learning Algorithms (with Python and R Codes)
• 廖雪峰 Python 教程
• DL 实践
• Practical Deep Learning For Coders(★★★★★)
• Learn TensorFlow and deep learning, without a Ph.D(★★★★★) More detailed introduction of the knowledge in it

###5.School Slides or Handouts

• cmu 机器学习课程：
  • Statistical ML–统计系的课
  • ML in cs depart–Mitchell–计算机系的课
• stanford :
  • CS 229 Machine Learnig
  • CS229T Statistical Learning Theory–theory part
  • UFLDL–Unsupervised Feature Learning and Deep Learning–中文版–By Andrew NG
  • CS 345a Data Mining
  • CS 231n Convolutional Neural Networks for Visual Recognition–CNN(★)
  • CS 246 Mining Massive Data Sets
  • CS224d: Deep Learning for Natural Language Processing —视频下载—博客笔记
• mit:
  • Prediction: Machine Learning and Statistics–统计知识更加详细
  • Mathematical statistics
  • Theory of Probability
  • Mathematics for computer science
• nyu :
  • Introduction to Machine Learning
• 上交：
  • 统计机器学习–课件讲义
  • 机器学习导论–课件讲义
• Coursera :
  • Neural Networks for Machine Learning
  • Mathemetics for Machnie learning
  • Neural Networks and Deep learning[NG]

###6.Statistics & Statistical Learning

• Lecture Notes on Statistical and Machine Learning
• The Elements of statistical learning–Stanford（很经典的一本书 up to 10th edition）
• Machine Learning a Probabilistic Perspective(★★★★★)
  ###7.Open Courses
• 机器学习基石–课程已下架，只能参阅笔记–线下下载在这
• Learning from data–iMooc课程，授课人是上边那个课程的老师
• Neural Networks in Machine Learning–Hinton–多伦多大学的大牛，DL 领域の四大天王¹之一
• Udacity Deep Learning 课程–from goole 强推(★★★★★)–Github 笔记地址&1 &2
  ###8.Outstanding blogs
• 台湾国立大学机器学习基石听课笔记
• Deep Learning 基础细节及实现(★★★★★)
• Deep Learning（深度学习）学习笔记
• 机器学习算法与Python实践
• Deep learning 实战
• 神经网络入门+ 遗传算法入门
• 漫谈 Clustering 系列
• The EM Algorithm–元老级博客–自2011年就发表了很多算法的详解
• Deep Learning（深度学习）学习笔记整理系列之LeNet-5卷积参数个人理解
• 计算机的潜意识(★★★★★)
• 元老级的机器学习、数据挖掘博客(★★★★★)
• 机器学习中常见的损失函数(★★★★★)
• 部分算法的 Python 实现
• 很多问题的收集(★★★)
• 神经网络编程入门
• 偏重于系统架构的一个博客
• TensorFlow中cnn-cifar10样例代码详解–有好多源码讲解(★★★★★)
• 交叉熵、softmax 推导、NTM(神经图灵机)
• 机器学习及数学知识很多–有机器学习中的数学系列(★★★★★)
• Shareditor–自己动手做聊天机器人、机器学习系列教程-- github 地址(★★★★★)
• Jasonding 机器学习中的数学等–github 主页(★★★★★)
• TensorFlow tutorial 以及 深度学习实验(★★★★★)
• 深度学习系列博客(★★★★★)
• ResNet && DenseNet(原理篇) 及 tensorflow 实现
  ###9.Interesting and Novel things
• CNNdroid 在移动设备上的应用
• 深度学习盛会ICLR2017最佳论文
• 梵高眼里的星空有多美
• Deep Learning for Chess
• Duplicate Question Detection with Deep Learning on Quora Dataset
• Google Tensorflow Playground–在网站上体验神经网络的训练–介绍其基本原理的一个博客
• DeepLearningFlappyBird
• ConvNetJS–网页的深度学习部署框架
• DyNet–动态神经网络工具包–faster than Theano and TensoFlow–论文地址
• Tensorflow 梵高作画 1–大神 July 的博客，我是他的小粉丝 2
  ###10.Four Kings of Machine Learning
• Geoffrey Hinton

–多伦多大学
–将 BP 算法用于神经网络和深度学习的倡导者，NN 的卫道夫
–Google AI
–Inovation: Dark Knowledge 的概念

• Yann Lecun

–纽约大学
–BP 算法的提出者（博士期间，也是Hinton 的学生）；CNN在DL中应用的开拓（代表是 Lenet）
–Facebook AI
–Inovation: Lenet（手写数字识别系统）; Lush（面向对象编程语言>=~Matlab）

• Yoshua Bengio

–蒙特利尔大学
–RNN 在 DL 中应用的开拓者（代表是 Lenet）
– CIFAR 领导人
–Inovation: 细致讨论了 Natural Language Model, Gradient Vanishing, word2vet 原型
–Inovation: Theano(基于 Symbolic computational graph) 创始人，为后来的 Keras, 国内的 Mxnet, google 的 TensorFlow 以及 Berkeley 的 cgt 的创建都基于这个库。

• Andrew NG

–斯坦福大学
–Coursera 创建者；Google Brain 创建者
–百度首席

###11.Tools and Libraries

• Scikit-Learn
• 机器学习使用python
• TensorFlow-中文社区在这里（速度特别慢）

###12.Competitions

• CIKM 数据挖掘竞赛
• DataCastle 数据应用竞赛–好地方啊好地方
• 天池大数据竞赛–Ali
• Kaggle
• 英特尔 Kaggle 竞赛技术参考–会提供计算资源，有期限，而且要用 intel 的东西
  ###13.Datasets
• 100+诡异的数据集
• UCI dataset–加州大学机器学习数据集
• Deep Learning Datasets
  ###14.Interview Materials
• 一份面试问题合集
• 8个机器学习 Cheat Sheet
• SoulMachine Machine Learning Cheat Sheet(★★★★★)

---

###15.Superior Websites(already read in this process):

未读或待读，以及收集的书单链接**在这里**。

• The Mathematics of Machine Learning（介绍很详细，也有资料介绍，我有很多都是看了它推荐的课）
• 一个国外学者的博客–Dr. Mark Humphrys（有讲好多算法 e.g. BP MLNN）
• 非常好的 Machine Learning 学习网站1(★★★★★)
• 非常好的 Machine Learning 学习网站2–Ritchie NG(★★★★★)
• Deep Learning.net–DeepLearning tutorial 0.1 based on Theano
• Machine Learning in Games
• Redit/Mongodb 绝佳讲解 blog

###16.Data Structure and algorithm

• July’s blog–微软100 and 37章经
• Code Ganker --Leetcode
• 18大经典数据挖掘算法小结–有 github 实现

---

###17.Subfield: Reinforcement Learning

• Reinforcement Learning: An Introduction

###18.Subfield: 推荐系统

1. Blog:
2. 推荐系统常用算法及机器学习—Blog

###19.Subfield: Nueral Networks

• 数据挖掘系列（10）——卷积神经网络算法的一个实现(★★★★★)
• Deep Learning模型之：CNN卷积神经网络（一）深度解析CNN(★★★★★)
• 神经网络和深度学习-学习总结
• 深度学习元老Yann Lecun详解卷积神经网络
• 卷及神经网络BLog
• Convolutional Neural Networks (LeNet)
• Deep learning：三十八(Stacked CNN简单介绍)(★★★★★)
• Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现(★★★★★)
• 人工智能 CNN 可视化

###20.Related books

• The most important machine learning books.

###21.Important persons

1. 国内外需要关注的大牛.csdn

---

1. 他们分别是 Geoffrey Hinton, Yann Lecun, Yoshua Bengio and Andrew NG
   他们现在从事的单位分别是Google AI, Facebook AI, CIFAR and Baidu. 简介链接 ↩︎