# Machine_Learning_Study_Path

**Repository Path**: marcel0718/Machine_Learning_Study_Path

## Basic Information

- **Project Name**: Machine_Learning_Study_Path
- **Description**: 机器学习过程中所看的书，视频和源码
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-05-10
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

从入门到进阶，所用到机器学习资料，包括书、视频、源码。

# 1.视频：

## 1.1 吴恩达老师机器学习课程： 
* [Coursera](https://www.coursera.org/learn/machine-learning)
  
* [网易云课堂](http://study.163.com/course/introduction/1004570029.htm?courseId=1004570029)  
* [英文笔记](https://github.com/linxid/Machine_Learning_Study_Path/tree/master/%E7%AC%94%E8%AE%B0/%E5%90%B4%E6%81%A9%E8%BE%BE%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0)   
* [中文笔记、字幕](https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes)  

## 1.2 吴恩达 深度学习课程 
* [Coursera](https://www.coursera.org/specializations/deep-learning)
* [网易云课堂](http://mooc.study.163.com/smartSpec/detail/1001319001.htm) 
* [笔记](http://www.ai-start.com/dl2017/)

## 1.3 斯坦福CS231n:Convolutional Neural Networks for Visual Recognition 
* [官网](http://cs231n.stanford.edu/)  
* [网易云课堂](http://study.163.com/course/introduction/1003223001.hm)

## 1.4 fast.ai  
* [官网](http://www.fast.ai/)  
* [Part1:Practical Deep Learning For Coders](http://course.fast.ai/)  
* [Part2: Cutting Edge Deep Learning For Coders](http://course.fast.ai/part2.html)  

## 1.5 [百度PaddlePaddle公开课：](http://ai.baidu.com/paddlepaddle/openCourses)
* 机器学习入门
* 机器学习模型
* 深度学习基础

## 1.6 徐亦达老师机器学习课程： 
* [官网](https://www.uts.edu.au/staff/yida.xu)   
* [Github](https://github.com/roboticcam/machine-learning-notes)  
* [哔哩哔哩](https://www.bilibili.com/video/av12802062?p=2)  
* [百度云](https://pan.baidu.com/s/1PW0vuhHgMg3xAWRSoHoXbw#list/path=%2F)


## 1.7 李宏毅深度学习课程 
* [官网](http://speech.ee.ntu.edu.tw/~tlkagk/courses.html)
* [哔哩哔哩](https://www.bilibili.com/video/av9770302/)


## 1.8 谷歌机器学习速成
* [课程](https://developers.google.cn/machine-learning/crash-course/prereqs-and-prework)
* [练习](https://developers.google.cn/machine-learning/crash-course/exercises)
* [术语库](https://developers.google.cn/machine-learning/crash-course/glossary)

# 2.书籍：
##  2.1 Keras：
* [《Deep Learning with Python》](https://www.amazon.cn/dp/1617294438/ref=sr_1_1?s=books&ie=UTF8&qid=1541668924&sr=1-1&keywords=deep+learning+with+python)
难度：低；推荐：☆☆☆☆☆
* [《Deep Learning with Keras》](https://www.packtpub.com/big-data-and-business-intelligence/deep-learning-keras)
难度：低；推荐：☆☆☆☆

## 2.2 TensorFlow：
* [《Hands-On Machine Learning with Scikit-Learn and TensorFlow》](http://shop.oreilly.com/product/0636920052289.do)
难度：中；推荐：☆☆☆☆☆
* [《Learning TensorFlow》](https://www.amazon.com/Learning-TensorFlow-Guide-Building-Systems/dp/1491978511)
*  [《TensorFlow Machine Learning cookbook》](https://www.packtpub.com/big-data-and-business-intelligence/tensorflow-machine-learning-cookbook)
难度：中；推荐：☆☆☆☆☆

## 2.3 NLP：
* [《Deep Learning in Natural Language Processing》](https://www.springer.com/us/book/9789811052088)
* [《Natural Language Processing with TensorFlow》](https://www.packtpub.com/application-development/natural-language-processing-tensorflow)
* [《Mastering Natural Language Processing with Python》](https://www.packtpub.com/big-data-and-business-intelligence/mastering-natural-language-processing-python)
* [《Text Analytics with Python》](https://www.apress.com/la/book/9781484223871)

## 2.4 机器学习：
* [《统计学习方法》](https://www.amazon.cn/dp/B007TSFMTA/ref=sr_1_1?s=books&ie=UTF8&qid=1541668369&sr=1-1&keywords=%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0)
难度：中；推荐：☆☆☆☆☆
* [《Pattern Recognition and Machine Learning》](https://www.amazon.cn/dp/0387310738/ref=sr_1_1?s=books&ie=UTF8&qid=1541668434&sr=1-1&keywords=prml)
难度：高；推荐：☆☆☆☆☆
* [《机器学习实战》](https://www.amazon.cn/dp/B00D747PTK/ref=sr_pyc1?s=books&ie=UTF8&qid=1541669024&sr=1-1-pinyin&keywords=jiqixuexishizhan)
难度：低；推荐：☆☆☆☆
* [《Machine Learning yearning》](http://www.mlyearning.org/)
* [《美团机器学习实战》](http://item.jd.com/12414240.html?dist=jd)
* [《集体智慧编程》](https://www.amazon.cn/dp/B00UI93JD8/ref=sr_1_1?s=books&ie=UTF8&qid=1541669086&sr=1-1&keywords=%E9%9B%86%E4%BD%93%E6%99%BA%E6%85%A7%E7%BC%96%E7%A8%8B)
难度：低；推荐：☆☆☆☆
* [《百面机器学习 算法工程师带你去面试》](https://item.jd.com/12401859.html)

## 2.5 深度学习：
* [《Deep Learning》 中文版](https://www.amazon.cn/dp/B073LWHBBY/ref=sr_1_1?s=books&ie=UTF8&qid=1541668263&sr=1-1&keywords=deep+learning)
难度：高；推荐：☆☆☆☆☆
*  [《神经网络与深度学习》](http://neuralnetworksanddeeplearning.com/)
难度：中；推荐：☆☆☆☆
* [《Deep Learning with python A Hands on Introduction》](https://www.amazon.cn/dp/1484227654/ref=sr_1_1?ie=UTF8&qid=1541750979&sr=8-1&keywords=Deep+Learning+with+Python%3A+A+Hands-on+Introduction)


下载链接：https://pan.baidu.com/s/12w9NjsnOSPUAX5U4BVvBIg 提取码: hucw

# 3.框架
|基础框架 | 机器学习|深度学习|
|--|--|--|
|[pandas](http://pandas.pydata.org/index.html),[imbalanced-learn](http://contrib.scikit-learn.org/imbalanced-learn/stable/index.html)|[sklearn](http://sklearn.apachecn.org/),[LightGBM](http://lightgbm.apachecn.org/cn/latest/index.html)|[TensorFlow](https://www.tensorflow.org/api_docs/python/),[Keras](http://keras-cn.readthedocs.io/en/latest/)|
|[xLearn](http://xlearn-doc.readthedocs.io/en/latest/start.html)| [XGBoost](http://xgboost.readthedocs.io/en/latest/get_started/) ,[CatBoost](https://tech.yandex.com/catboost/doc/dg/concepts/python-installation-docpage/)|[PyTorch](https://pytorch.org/),[PaddlePaddle](http://staging.paddlepaddle.org/docs/develop/documentation/zh/getstarted/index_cn.html)|

# 4. 机器学习博客：
* [Open AI](https://blog.openai.com/):  
由Elon Musk提出建立的一个人工智能非营利组织，定期发布有关自然语言处理，图像处理和语音处理等先进人工智能技术的研究。

* [Distill](https://distill.pub/):  
编辑和策展团队由来自Google Brain，DeepMind，Tesla和其他着名组织的科学家组成。致力于清晰的解释机器学习。
* [BAIR 博客](https://bair.berkeley.edu/blog/):  
加州大学伯克利分校的伯克利AI研究（BAIR）小组设立。BAIR博客旨在传播BAIR在人工智能研究方面的研究成果，观点和最新情况。
* [DeepMind](https://deepmind.com/blog/?category=research):  
DeepMind的大名，我想很多人已经知道了。
* Andrej Karpathy的博客：  
原博客：http://karpathy.github.io/
Medium：https://medium.com/@karpathy
特斯拉的人工智能总监，很多人也许看过他的博客，但是不知道这个人。现在他已经转战Medium，很多文章发布在Medium。
* [Colah的博客](http://colah.github.io/)：  
Christopher Olah是Google Brain的研究科学家。旨在用简单的方式解读神经网络。
* [WildML](http://www.wildml.com/):  
博主同样来自Google Brain，写作的主要焦点是深度学习。
* [Ruder的博客](http://ruder.io/):  
博主是一位博士生，博客以深度学习和自然语言处理为主。
* [FAIR博客](https://research.fb.com/blog/)：  
FAIR的大名就不多讲了，我想很多人知道，很多精彩论文出自FAIR，博客讨论了人工智能，深度学习，机器学习，计算机视觉及其在Facebook自研产品上的实际应用。
* [Adit Deshpande的博客](https://adeshpande3.github.io/)
UCLA的一名本科生（自愧不如啊），很多内容为初学者准备，由浅入深，层层递进。
* [inFERENCe的博客](https://www.inference.vc/):  
剑桥的博士，与Twitter Cortex合作。他撰写了关于概率推理，生成模型，无监督学习。

* [Andrew Trask的博客](http://iamtrask.github.io/)：  
非常推荐，博主是DeepMind的研究科学家和博士。简单列几篇他的博客：
[Tutorial: Deep Learning in PyTorch](http://iamtrask.github.io/2017/01/15/pytorch-tutorial/)    
[Anyone Can Learn To Code an LSTM-RNN in Python (Part 1: RNN)](http://iamtrask.github.io/2015/11/15/anyone-can-code-lstm/)