• 课程大纲

• 课程课件

• 课程视频（B站）

• 我的学习笔记

• 斯坦福大学，吴恩达《机器学习》

• 斯坦福大学，李飞飞《计算机视觉》

• coursera，吴恩达《机器学习》，有学习笔记和实战笔记：

  • 学习笔记
  • 实战笔记（电子笔记）

• coursera，吴恩达《深度学习》，分为多个阶段：

  • 入门：神经网络与深度学习
  • 进阶：模型训练的方法与技巧
  • 卷积神经网络

注：以上笔记大多数都是手写笔记

• 理论部分

  • 周志华《机器学习（西瓜书）》
  • 李航《统计学习方法》

  对于这两本书，个人的学习经验为：

  （1）《西瓜书》

  《西瓜书》讲得最系统，所举的例子也通俗易懂，而且公式推导过程相对来说比较详细，有少部分的公式推导有一些跳跃性，对于这类推导过程，已经有一些热心的小伙伴开源了《南瓜书》，如果对推导过程有疑惑可以到上面去找找答案

  但是，《西瓜书》还是存在一些显而易见的不足：

  • 章节的编排顺序，对于初学来说不友好，建议的阅读/学习顺序为：3-4-6-7-5-2-10-11-8-9-14
  • 对于第8章《集成学习》公式推导偏多，而缺乏形象的理解，这方面国科大的山世光老师讲得，对本人来说更加能接受一些
  • 对于EM算法，《西瓜书》只在第7章的一个小节里作了简单的介绍，相对来说不够深入，使得在后面的第9章《聚类》中讲到高斯混合模型（Gaussian Mixture Model, GMM）的参数估计时不是很能理解——对此，可以重点参考李航老师的《统计学习方法》，里面专门用了一章的篇幅去讨论EM算法

  （2）《统计学习方法》

  这本书还没看完，等看完了再来补充

• 实战操作部分

  • 《机器学习实战：基于scikit-learn和TensorFlow》