• 核心内容：神经网路与深度学习，邱锡鹏老师著
• 主要参考：Hung-yi Lee 机器学习与深度学习系列，白板推导系列
• 编程练习：NNDL课程作业，李宏毅机器学习2019HW

补充：

• Anomaly Detection
• Adversarial Attack
• Explainable ML
• Network Compression
• Pointer Network
• Matrix Factorization
• Spatial Transformer Layer
• Highway Network & Grid LSTM
• Flow
• Generalization
• 卡曼滤波
• 粒子滤波
• 高斯网络
• 贝叶斯线性回归
• 高斯过程回归

入门

• Google: Machine Learning Crash Course
• Neural Networks and Deep Learning, Michael Nielsen

基础

• 《机器学习》， 周志华著；
• 《统计学习方法（第二版）》，李航著  [知乎参考读物]
• 《模式识别与机器学习》， 马春鹏译
  • 机器学习, 白板推导系列 Note
• 《深度学习》，Lan Goodfellow等著
  • CMU Introduction to Deep Learning
• 《概率图模型：原理与技术》Daphne Koller著
  • CMU 10-708: Probabilistic Graphical Models
  • Stanford CS228: Probabilistic Graphical Model

进阶

• NN4ML,Hinton
• Stat212b: Topics Course on Deep Learning, Joan Bruna(Yann LeCun 博士后)
• NYU: MACHINE LEARNING
• Materials for Deep Learning, FDUNLP

附加资料

• AI算法工程师笔记
• CS229，主要看NOTES与最新论文
• 36-708 Statistical Methods for Machine Learning
• CMU 10-715 Advanced Introduction to Machine Learning
• 《Machine Learning：A Probabilistic Perspective》
• 《An Introduction to Statistical Learning》
  • Stanford Lagunita: Statistical Learning
  • UCB: Introduction to Machine Learning
• 《The Elements of Statistical Learning》
• 其他：机器学习、深度学习，吴恩达；统计机器学习、机器学习导论，张志华；机器学习、深度学习，邹博；机器学习，徐亦达；机器学习基础、机器学习技法，林轩田；慕课网：Python3玩转机器学习