机器学习资源 Machine learning

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!

Machine learning surveys

预备知识 Prerequisite

Python
- Learn X in Y minutes
- Python机器学习互动教程
Markdown
- Mastering Markdown - Markdown is a easy-to-use writing tool on the GitHu.
R - R Tutorial
Python和Matlab的一些cheat sheet：http://ddl.escience.cn/f/IDkq 包含：
- Numpy、Scipy、Pandas科学计算库
- Scikit-learn机器学习库、Keras深度学习库
- Matlab科学计算
- Matplotlib画图

斯坦福机器学习入门课程，讲师为Andrew Ng，适合数学基础一般的人，适合入门，但是学完会发现只是懂个大概，也就相当于什么都不懂。省略了很多机器学习的细节
Stanford CS 229, Andrew Ng机器学习课无阉割版，Notes比较详细
CMU 10-702 Statistical Machine Learning, 讲师是Larry Wasserman，应该是统计系开的机器学习，非常数学化，第一节课就提到了RKHS(Reproducing Kernel Hilbert Space),建议数学出身的同学看或者是学过实变函数泛函分析的人看一看
CMU 10-715 Advanced Introduction to Machine Learning，同样是CMU phd级别的课，节奏快难度高
Coursera上国立**大学林轩田开的两门课：机器学习基石（适合入门），机器学习技法（适合提高）。
Machine Learning for Data Analysis, Coursera上Wesleyan大学的Data Analysis and Interpretation专项课程第四课。
Neural Networks for Machine Learning, Coursera上的著名课程，由Geoffrey Hinton教授主讲。
斯坦福大学Feifei Li教授的CS231n系列深度学习课程。Feifei Li目前是Google的科学家，深度学习与图像识别方面的大牛。这门课的笔记可以看这里。
Max Planck Institute for Intelligent Systems Tübingen德国马普所智能系统研究所2013的机器学习暑期学校视频,仔细翻这个频道还可以找到2015的暑期学校视频
知乎Live：我们一起开始机器学习吧，机器学习入门之特征工程

直接pull requests
或者到这里留下你的Github账号我们把你加入贡献者列表
PDF等大文件上传方法：登录 http://ddl.escience.cn 用户名：[email protected]，密码：machine123。登录后，在‘个人空间’中上传，然后将文件（夹）链接共享。
之后请在贡献者页面加入自己的信息