机器学习资料整理
写在前面： 做机器学习这么长时间了，最近有很多同学问我有没有机器学习方面的一些资料，因此整理了下我所知道的机器学习资料，希望能够帮助到想学习机器学习的同学。这些资料，有些我看过，有些是正在看的，有些是还没来得及看的。
注：转载请注明原文出处（原文链接和作者）。
一、视频
1、Andrew Ng 在Coursera上的《machine learning》，地址：www.coursera.org/learn/machi…。关于Ng无论再多的赞美也无法表达，就一句话吧：全世界人机器学习的入门导师（夸张修辞..） 。课程浅显易懂，编程作业用matlab/octave。
2、 Andrew Ng . CS229，这个是ng在斯坦福开的机器学习课，是Coursera上机器学习的加深版本。新学期的还没开课，没修过。地址：cs229.stanford.edu/
3、 Andrew ng. Coursera上的《Deep Learning Specialization》，地址： www.coursera.org/specializat… 。ng最新的课，这是个系列课程共5们，目前修到第四门，个人感觉最好没有之一。编程作业也与时俱进采用python+jupyter notebook，再说一遍：讲的真的好。
4、 Geoffrey Hinton 《neural network for machine learning》，地址：www.coursera.org/learn/neura…。这门课当时只修到了第六周，就因为有事情半途而废了，始终是个遗憾，准备有时间修完。老爷子讲的很好，但是稍微有点难（个人感觉），编程作业用的matlab。
5、 林轩田 《Machine Learning Foundations》和《Machine Learning Techniques 》。地址：www.csie.ntu.edu.tw/~htlin/mooc…。母语教学，只看了一点，不敢乱评价。
6、 李宏毅 《Machine Learning and having it deep and structured 》和《machine learning》。地址：speech.ee.ntu.edu.tw/~tlkagk/cou…。讲的真的是非常非常好。
7、徐亦达 《机器学习知识》，地址：i.youku.com/i/UMzIzNDgx…。看了他的概率图部分，讲的也蛮好的，中文教学。
8、斯坦福 CS224d 《Deep Learning for Natural Language Processing》，地址：cs224d.stanford.edu/。还没来得及看，不敢评价。
9、斯坦福 CS231n 《Convolutional Neural Networks for Visual Recognition》，地址：cs231n.stanford.edu/。FeiFei Li 老师的课，和图像结合。还没来得及看，不敢评价。
10、莫凡的一些教学视频，适合入门的看。地址：morvanzhou.github.io/。
二、书籍：
1、 周志华 《机器学习》（西瓜书），浅显易懂，中文书最好的，我认为没有之一。。
2、 李航 《统计学习方法》。 偏公式推导些。
3、 lan goodfellow 、bengio 等《deep learning》，地址：www.deeplearningbook.org/。张志华老师团队翻译的中文版：github.com/exacity/dee…。中文版已经出版，京东、当当、亚马逊都可以买到。
4、 Peter Harrington 《机器学习实战》[Machine learning in action]。感谢蒋狗大二时花了50多大洋送我这本书。
5、范淼，李超 《Python机器学习及实践：从零开始通往Kaggle竞赛之路》。个人感觉还不错。
6、 Pang-Ning Tan等著、范明等译《数据挖掘导论》[Introduction to Data Mining]，当年的启蒙书。。
7、 袁梅宇 著 《数据挖掘与机器学习 WEKA应用技术与实践（第二版）》，确切来说，个人感觉是翻译的，因为原版在：www.cs.waikato.ac.nz/ml/weka/boo…。但是内容写的还是蛮不错的。
8、 吴军 《数学之美》，大二时看到后再也无法忘怀，以致于买了一本送女票，后来自己又买了一本，再后来就是把身边的朋友洗脑都买了。。
9、Andrew ng 《machine learning yearning》，还未出版，电子稿见：www.mlyearning.org/（邮箱注册下就可以接受ng的手稿，目前还没写完）。这本书与其他的机器学习类书最大的不同就是这本书面向工程师，是ng多年的工业界经验的结晶。
10、Toby Segaran 《集体智慧编程》，很早就入手了，一直没时间看，不敢评价。
11、项亮 《推荐系统》，内容讲的很好，唯一的缺点就是这本书根本没有源码，特意和原作者交流过，这本书根本就没有代码。。不知道书上的代码是随手写的还是什么。但是概念介绍的还是不错的。
12、Christopher M Bishop 《Pattern Recognition and Machine Learning》（PRML），机器学习的经典之作，略难，目前只看了一点。
不是那些相关的书，但是个人感觉很好的：
1、 吴军《浪潮之巅》，科普类最好没有之一。。强烈建议每个学计算机的都应该去读一读。记住：学科历史即学科本身。
三、竞赛
1、 kaggle ： www.kaggle.com/
2、 DataCastle ： www.dcjingsai.com/common/cmpt…
3、 阿里 天池比赛： tianchi.aliyun.com/
4、CCF大数据：www.datafountain.cn/#/competiti…
四、一些网站资料：
1、 UFLDL：ufldl.stanford.edu/wiki/index.…
2、 码农场：www.hankcs.com/
3、 Rickjin(靳志辉)《LDA数学八卦》
4、 马晨《LDA漫游》
5、李宏毅 《一天搞懂深度学习》
五、常用工具
1、 scikit-learn，python 机器学习库
2、 weka， java机器学习库
3、 TensorFlow ，谷歌深度学习库
4、 keras，深度学习库
5、 pytorch ，Facebook深度学习库
6、 chainer ， Intel 深度学习库
7、 caffe，贾扬清，深度学习库
8、 Mxnet，李沐，深度学习库
9、 paddlepaddle，百度，深度学习库
10、jieba分词，中文分词
11、FoolNLTK，中文分词
12、 lightLDA，微软
13、 lightGBM，xgboost，GBDT 竞赛三大神器。。。
14、 Numpy，矩阵运算
15、 pandas，数据处理
16、 networkX，图，社交网络分析工具
pdf版本已放到github：机器学习资料整理.pdf
暂时想到这么多，欢迎留言添加。
