- 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
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
- 《深度学习》,Lan Goodfellow等著
- 《概率图模型:原理与技术》Daphne Koller著
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》
- 《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