机器学习-学习资源

1. 机器学习

书籍：

• 机器学习（西瓜书）
• 统计学习方法（蓝宝书）
• 模式识别
• Pattern Recognition and Machine Learning (PRML)
• Elements of Statistical Learning (ESL, 统计学派)
• Machine Learning: A probabilistic perspective (MLAPP)
• A probability Theory of Pattern Recognition（上古文献）
• Tom Mitchell. Machine_Learning（上古文献）
• Neural Network Learning: Theoretical Foundations (上古文献）

机器学习理论专著：

• 机器学习理论导引
• Understanding Machine Learning
• Foundations of Machine Learning
• Kearns. An Introduction to Computational Learning Theory（上古文献）

集成学习：

• 集成学习方法 or (Ensemble Methods)

网络课程

• Andrew Ng. Machine Learning

  • 网址：https://www.coursera.org/course/ml
  • 讲义：机器学习个人笔记完整版v5 (黄海广）

• 《機器學習基石》and《機器學習技法》（台湾大学，林轩田）

  • 资源页面：https://github.com/RedstoneWill/HsuanTienLin_MachineLearning

• Machine Learning（台湾大学，李宏毅）

  • 网址：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html

• 知乎-机器学习最好的课程是什么？

  • 推荐NYU的Data Science项目的王牌课程 DS1003 Machine Learning
    • 课程网址：https://davidrosenberg.github.io/ml2019/#home

2. 深度学习

书籍:

• Goodfellow. Deep Learning Deep Learning（花书）
• Li Deng. Deep Learning In Natural Language Processing
• Dive into Deep learning

网络课程

• CS231N

  • 课程网站：http://cs231n.stanford.edu/

• CS224N

  • 课程网站：http://web.stanford.edu/class/cs224n/

• Deep Learning (Yann LeCun NYU 2020 Spring) 来自 https://www.shangyexinzhi.com/article/1781343.html

  • 课程网站： https://atcold.github.io/pytorch-Deep-Learning/
  • 课程视频
    • Youtube https://www.youtube.com/playlist?list=PLLHTzKZzVU9eaEyErdV26ikyolxOsz6mq
    • B站复制： https://www.bilibili.com/video/BV197411M7gG
  • github网址：https://github.com/Atcold/pytorch-Deep-Learning
  • 特别讲到了 Graph Neural Network：https://www.youtube.com/watch?v=Iiv9R6BjxHM&feature=youtu.be

• Deep Learning. Andrew Ng. Coursera

  • 网址：https://mooc.study.163.com/university/deeplearning_ai#/c
  • 讲义：Coursera深度学习笔记v3.1

PS: 当前 Deep Learning 基础可能不够扎实，寒假放假了一定要找时间好好看一遍。

3. 计算机基础：

• 数据结构

• 算法设计与分析

  • 北航童咏鑫老师：https://www.icourse163.org/course/BUAA-1449777166

4. 编程基础

• Python

  • 《流畅的 python》

• Linux 平台

  • 《鸟哥的 Linux 私房菜》
  • 《Linux 命令行大全》
    要求：熟练使用命令行，git, github, vim 等工具，，。能熟练使用 。

• 软件包：

  • scikit learn 的代码实现
  • pytorch 的代码实现
  • 科研论文的 github 代码

• 深度学习常用模型和算法：

  • resnet, vgg 等
  • LSTM，GRU
  • Transformer, GPT-3
  • GAN, VAE

PS： 暑假 or 寒假放假了开始自我充电，差缺补漏，学习一些新的知识。终身学习，完善提升无止境~