-
PRML, Pattern Recognition and Machine Learning, Bishop 2006
- 经典书籍，不多说，不过我读了下面那本 MLaPP 入门的。
-
MLaPP, Machine Learning, A Probabilistic Perspective, Murphy 2012
- 很大，很全，但是比较难读，有机会啃下去最好，收获挺大的。
-
- 西瓜书出现之前，是中文书里唯一能看的，短小精悍
- 比西瓜书讲的深一点，但是内容稍微少一点，也没有系统，只是把很多流行的模型单独列成一章来讲。
-
- 西瓜书是国内著名的机器学习学者，南京大学周志华老师的新作
- 大概读了一半，感觉非常深入浅出，内容也很全，公式推导过程清晰，建议入门必读，后面常翻翻
- CS229 Machine Learning Autumn 2016
- 机器学习课程，讲义很经典
- 也可以参考 Andrew Ng 早期的视频，在网易公开课可以找到
-
Foundations of Statistical Natural Language Processing
- Chris Manning, Hinrich Schütze, Stanford NLP Group
- 经典的书，有点老，讲的是 NLP 基础的知识。
-
- 宗成庆，清清华学出版社，2008年出版的第二版
- 讲中文 NLP 技术比较全面的书籍，兼具广度和深度，非常推荐。
- 因为成书较早，没有涉及深度学习的内容。
-
Speech and Language Processing
- Dan Jurafsky and James H. Martin 合著，现在有 3rd edition 的草稿
- 内容比较丰富，涉及 NLP 的方方面面；新版本主要添加了很多深度学习的东西
-
Deep Learning in Natural Language Processing
- Deng, Li, Liu, Yang
- 比较新的书，讲了 NLP 和 DL 结合的最新技术。
-
- GoodFellow, Bengio 合著的书，深入浅出
- 看后面几章 Research 感觉挺难懂，Practice 又不如看公开课，所以暂时弃坑
- 已有中文版，exacity/deeplearningbook-chinese
-
Neural Networks and Deep Learning
- 这本书讲的很基础，大致过一遍就好了
- 神经网络与深度学习
-
- 和上面的不是同一本书，这个是复旦大学的 邱锡鹏 老师的书，尚未出版
- 感觉和 Deep Learning Book 结构挺类似的。
- Deep Learning Summer School, Montreal 2016
- 暑假讲座，授课目标为研究生学生，工业界工程师，研究人员
- 不用fq，很流程，有 PPT
-
CS231n: Convolutional Neural Networks for Visual Recognition
-
CS224n: Deep Learning for Natural Language Processing
- 类似 CS231n，但是偏重自然语言处理和深度学习结合
- 主要用 tensorflow 实现代码和作业。网上应该也有很多中文资料。
- Probabilistic Graphical Models: Principles and Techniques
- 作者 Daphne Koller and Nir Friedman, MIT Press (2009)
- 概率图模型经典书籍
-
Probabilistic Graphical Models
- Koller 大神在 Coursera 开设的公开课
- 分成了三个子课程，Representation, Inference and Learning
-
Probabilistic Graphical Models
- Eric Xing, Carnegie Mellon University
- 知乎上推荐的，有视频
-
Probabilistic Graphical Models Spring 2013
- 非常好的公开课，PPT 很不错，参考了 Koller 的那本书