机器学习资源 Machine learning Resources

致力于分享最新最全面的机器学习资料,欢迎你成为贡献者!

快速开始学习:


一个简洁明了的时间序列处理(分窗、特征提取、分类)库:Seglearn

计算机视觉这一年:这是最全的一份CV技术报告

深度学习(花书)中文版

深度学习最值得看的论文

最全面的深度学习自学资源集锦

Machine learning surveys

快速入门TensorFlow

自然语言处理数据集   Learning Machine Learning? Six articles you don’t want to miss

Getting started with machine learning documented by github


预备知识 Prerequisite


理论 Theory


应用 Applications


文档 notes


课程与讲座 Course and talk

机器学习 Machine Learning

  **大学应用深度学习课程

神经网络,机器学习,算法,人工智能等 30 门免费课程详细清单  

深度学习 Machine Learning

强化学习 Machine Learning


相关书籍 reference book

  • Hands on Machine Learning with Scikit-learn and Tensorflow

  • 入门读物 The Elements of Statistical Learning(英文第二版),The Elements of Statistical Learning.pdf

  • 机器学习, (@Prof. Zhihua Zhou/周志华教授)

  • 统计学习方法, (@Dr. Hang Li/李航博士)

  • 一些Kindle读物:

    • 利用Python进行数据分析

    • 跟老齐学Python:从入门到精通

    • Python与数据挖掘 (大数据技术丛书) - 张良均

    • Python学习手册

    • Python性能分析与优化

    • Python数据挖掘入门与实践

    • Python数据分析与挖掘实战(大数据技术丛书) - 张良均

    • Python科学计算(第2版)

    • Python计算机视觉编程 [美] Jan Erik Solem

    • python核心编程(第三版)

    • Python核心编程(第二版)

    • Python高手之路 - [法] 朱利安·丹乔(Julien Danjou)

    • Python编程快速上手 让繁琐工作自动化

    • Python编程:从入门到实践

    • Python3 CookBook中文版

    • 终极算法机器学习和人工智能如何重塑世界 - [美 ]佩德罗·多明戈斯

    • 机器学习系统设计 (图灵程序设计丛书) - [美]Willi Richert & Luis Pedro Coelho

    • 机器学习实践指南:案例应用解析(第2版) (大数据技术丛书) - 麦好

    • 机器学习实践 测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克(Matthew Kirk)

    • 机器学习:实用案例解析

  • 数学:

    • Algebra - Michael Artin

    • Algebra - Serge Lang

    • Basic Topology - M.A. Armstrong

    • Convex Optimization by Stephen Boyd & Lieven Vandenberghe

    • Functional Analysis by Walter Rudin

    • Functional Analysis, Sobolev Spaces and Partial Differential Equations by Haim Brezis

    • Graph Theory - J.A. Bondy, U.S.R. Murty

    • Graph Theory - Reinhard Diestel

    • Inside Interesting Integrals - Pual J. Nahin

    • Linear Algebra and Its Applications - Gilbert Strang

    • Linear and Nonlinear Functional Analysis with Applications - Philippe G. Ciarlet

    • Mathematical Analysis I - Vladimir A. Zorich

    • Mathematical Analysis II - Vladimir A. Zorich

    • Mathematics for Computer Science - Eric Lehman, F Thomson Leighton, Alber R Meyer

    • Matrix Cookbook, The - Kaare Brandt Petersen, Michael Syskind Pedersen

    • Measures, Integrals and Martingales - René L. Schilling

    • Principles of Mathematical Analysis - Walter Rudin

    • Probabilistic Graphical Models: Principles and Techniques - Daphne Koller, Nir Friedman

    • Probability: Theory and Examples - Rick Durrett

    • Real and Complex Analysis - Walter Rudin

    • Thomas' Calculus - George B. Thomas

    • 普林斯顿微积分读本 - Adrian Banner

  • Packt每日限免电子书精选:

    • Learning Data Mining with Python

    • Matplotlib for python developers

    • Machine Learing with Spark

    • Mastering R for Quantitative Finance

    • Mastering matplotlib

    • Neural Network Programming with Java

    • Python Machine Learning

    • R Data Visualization Cookbook

    • R Deep Learning Essentials

    • R Graphs Cookbook second edition

    • D3.js By Example

    • Data Analysis With R

    • Java Deep Learning Essentials

    • Learning Bayesian Models with R

    • Learning Pandas

    • Python Parallel Programming Cookbook

    • Machine Learning with R


其他 Miscellaneous


如何加入 How to contribute

如果你对本项目感兴趣,非常欢迎你加入!

  • 正常参与:请直接fork、pull都可以
  • 如果要上传文件:请不要直接上传到项目中,否则会造成git版本库过大。正确的方法是上传它的超链接。如果你要上传的文件本身就在网络中(如paper都会有链接),直接上传即可;如果是自己想分享的一些文件、数据等,鉴于国内网盘的情况,请按照如下方式上传:
    • (墙内)目前没有找到比较好的方式,只能通过链接,或者自己网盘的链接来做。
    • (墙外)首先在UPLOAD直接上传(需要注册账号);上传成功后,在DOWNLOAD里找到你刚上传的文件,共享链接即可。

如何开始项目协同合作

快速了解github协同工作

及时更新fork项目

[文章版权声明]这个仓库是我开源到Github上的,可以遵守相关的开源协议进行使用。这个仓库中包含有很多研究者的论文、硕博士论文等,都来源于在网上的下载,仅作为学术研究使用。我对其中一些文章都写了自己的浅见,希望能很好地帮助理解。这些文章的版权属于相应的出版社。如果作者或出版社有异议,请联系我进行删除(本来应该只放文章链接的,但是由于时间关系来不及)。一切都是为了更好地学术!