機器學習完全課程

機器學習Machine-Learning

主要內容

• 前言
• 課程列表
• 推薦學習路線
  • 數學基礎初級
  • 程序語言能力
  • 機器學習課程初級
  • 數學基礎中級
  • 機器學習課程中級 
  </li>
• 推薦書籍列表
• 機器學習專項領域學習
</ul>

前言

我們要求把這些課程的所有Notes,Slides以及作者強烈推薦的論文看懂看明白，并完成所有的老師布置的習題，而推薦的書籍是不做要求的，如果有些書籍是需要看完的，我們會進行額外的說明。

課程列表

課程	機構	參考書	Notes等其他資料
單變量微積分	MIT	Calculus with Analytic Geometry	鏈接
多變量微積分	MIT	Multivariable Calculus	鏈接
線性代數	MIT	Introduction to Linear Algebra	鏈接
統計入門	可汗學院	暫無	暫無
概率論入門: 鏈接1 , 鏈接2	NTU	暫無	暫無
概率與統計	MIT	Introduction to Probability	鏈接
矩陣論	暫無	矩陣論	暫無
凸優化1	Stanford	Convex Optimization	鏈接
凸優化2	Stanford	暫無	鏈接
統計學習入門	Stanford	An Introduction to Statistical Learning	鏈接
機器學習基石	NTU	Learning from Data	鏈接
機器學習技法	NTU	暫無	鏈接
機器學習	Caltech	Learning from Data	鏈接
機器學習(matlab)	Stanford	暫無	鏈接
Python程序語言設計	暫無	暫無	暫無
Matlab程序語言設計	暫無	暫無	暫無

推薦學習路線

數學基礎初級

課程	機構	參考書	Notes等其他資料
單變量微積分	MIT	Calculus with Analytic Geometry	鏈接
多變量微積分	MIT	Multivariable Calculus	鏈接
線性代數	MIT	Introduction to Linear Algebra	鏈接
統計入門	可汗學院	暫無	暫無
概率論入門: 鏈接1 , 鏈接2	NTU	暫無	暫無
概率與統計	MIT	Introduction to Probability	鏈接

程序語言能力

考慮到機器學習的核心是里面的數學原理和算法思想，程序語言目前主要是幫助大家較好的完成課后作業以及實現自己的一些idea，此處我們僅僅給出推薦的參考學習鏈接，大家掌握一些常用的模塊即可，即完成參考學習鏈接部分的內容即可，推薦書籍比較經典，但不做要求。

課程	參考學習鏈接	推薦書籍
Python程序語言設計	鏈接	暫無
Matlab程序語言設計	暫無	暫無
R程序語言設計	暫無	暫無

機器學習課程初級

課程	機構	參考書	Notes等其他資料
統計學習入門	Stanford	An Introduction to Statistical Learning	鏈接
機器學習入門	Coursera	暫無	鏈接

數學基礎中級

課程	機構	參考書	Notes等其他資料
矩陣論	暫無	矩陣論	暫無
凸優化1	Stanford	Convex Optimization	鏈接
凸優化2	Stanford	暫無	鏈接

機器學習課程中級

此處NTU和Caltech兩個大學的課程是由《Learning from Data》一書的兩個不同的作者講的，所以僅僅只需選擇一個完成即可，注意：如果選擇完成NTU的機器學習課程，則 NTU的“機器學習基石”和“機器學習技法”需同時完成。 。

課程	機構	參考書	Notes等其他資料
機器學習基石	NTU	Learning from Data	鏈接
機器學習技法	NTU	暫無	鏈接
機器學習	Stanford	暫無	鏈接
機器學習	Caltech	Learning from Data	鏈接

推薦書籍列表

以下推薦的書籍都是公認的機器學習領域界的好書，建議 一般難度的書籍至少詳細閱讀一本，建議看兩本 ，而較難的書籍不做任何要求，大家可以在學有余力時細細品味經典。

書名	難度
統計學習方法	一般
An Introduction to Statistical Learning	一般
Machine Learning	一般
Learning from Data	一般， 配套講義
Pattern Recognition and Machine Learning	較難(偏貝葉斯)
The Elements of Statistical Learning	較難
Understanding Machine Learning:From Theory to Algorithms	較難

機器學習專項領域學習

如果您已經完成了上述的所有科目，恭喜您已經擁有十分扎實的機器學習基礎了，已經是一名合格的機器學習成員了，可以較為順利的進入下面某一專項領域進行較為深入研究,因為并不是所有的專項領域都有對應的課程或者書籍等學習資料，所以此處我們僅列舉一些我們知道的專項領域的學習資料，當然這些領域不能涵蓋所有，還有很多領域沒有整理（希望大家一起完善），如果這些領域適合你，那就繼續加油！如果不清楚，那么大家可以去下面列舉的高級會議期刊上去尋找自己感興趣的話題進行學習研究。

一些專項領域資料

• 深度學習
• 圖模型
• 強化學習
• 其他(尚未完善)

領域會議期刊

• NIPS
• ICML
• AAAI
• IJCAI
• KDD
• ICDM
• COLT
• 其他(尚未完善)