本文作者：何从庆
近些天在微信群里经常看小伙伴问到“机器学习如何入门，看哪些资料 ? ”，于是乎想根据笔者学习两年多的学习经验，介绍下机器学习如何入门，该看哪些资料？下面我将从以下几个方面整理机器学习入门的资源：
（1）语言：机器学习中常用的语言。
（2）书籍：书中自有黄金屋，机器学习中涉及到的很多数学理论，只看视频或者博客是很难获取到完整的知识框架。
（3）视频：书中有些公式推导很难理解，可以看看大牛们深入浅出的课程。
（4）博客：经常看一些大牛们的分享，对于扩展知识面具有一定的帮助。
（5）比赛： 实践是检验学习成果重要标准，参加一些算法竞赛，对于理解算法有着良好的帮助。
（6）论文： 对于一些硕士来说，创新是检验学习能力重要体现。
语言
“人生苦短，我用python”，python目前已经成为机器学习中最主流的语言，由于其丰富的算法库。
1、numpy: 最基础的python库之一\
2、pandas: ****常用于数据处理的库
地址：pandas.pydata.org/pandas-docs…
3、scipy: SciPy是一个开源的Python算法库和数学工具包。
地址：docs.scipy.org/doc/scipy/r…
4、scikit-learn： sklearn包含众多的算法接口，从监督学习到半监督学习，再到无监督学习。还有评价指标、特征选择等。
5、scikit-multilearn ： multi-label的算法库。
地址：scikit.ml/
还有一些深度学习的算法库，如：
6、keras： 最适合入门深度学习的小伙伴的算法库。
地址：keras.io/zh/
还有一些较难的深度学习算法库，如tensorflow,pytorch。
书籍
1、《统计学习方法》： 李航老师的《统计学习方法》这本书堪称经典，很多同学都靠着这本书找到理想的工作，强力推荐！对于许多想入门机器学习的小伙伴们，建议多看几遍这本书，弄懂算法的每一个细节。
2、《机器学习》： 周志华老师的《机器学习》这本书，很多人又称之为西瓜书，也是很有帮助的。基本涵盖机器学习的所有分支，如监督学习，无监督学习，半监督学习，强化学习，特征选择等。
3、《推荐系统实战》： 项亮博士的《推荐系统实战》这本书，很适合对于想了解推荐系统的小伙伴们有一定的帮助。
4、《概率论与数理统计》： 很多机器学习算法都是从统计学概率论上发展而来的，对于概率知识统计知识不足的小伙伴们，建议研读这本书。
5、《Pattern Recognition and Machine Learning》： 如果有小伙伴们英文比较好，小伙伴们也可以看看PRML这本经典的书。
6、《Reinforcement Learning: An Introduction》： 如果有小伙伴想研究强化学习，这是一本不错的强化学习入门书籍。
上述资料的pdf版本已上传至网盘，如果有小伙伴感兴趣，欢迎关注"AI算法之心"，后台回复"机器学习入门书籍"。
视频
如果小伙伴们对于上述书籍看起来很吃力，很难弄懂算法的来龙去脉，建议将书籍(初学者推荐：《统计学习方法》)与视频结合起来，相互促进。
1、吴恩达老师的公开课： 网易云上和coursera上都有他的讲课，很基础的版本，建议大家入门的时候多看看这个视频。个人觉得coursera上面的课程比较简单点。
网易云上面的地址：open.163.com/special/ope…
coursera上面的地址：
2、李宏毅老师的课程： 李宏毅老师的课程也是比较好，值得大家学习。
这里有整理好的版本：blog.csdn.net/soulmeetlia…
博客
国内：
1、火光摇曳： 腾讯技术大牛们的博客
2、美团技术团队的博客： 里面也有很多干货：
3、苏剑林的博客里面也全是干货
4、还有一些比较大型的博客网站，如博客园，简书，CSDN，知乎等等。
国外：
1、Netflix： Netflix技术博客，很多干货。
2、Towards Data Science： 主要分享些概念、idea和代码。
3、Github: all code is here。
比赛
学习机器学习的过程中，如何检验自己学习的成果呢？比赛就是一个比较好的方向，比赛其实可能会为了成绩，抠那千分位，百分位的差距，但是其实在比赛中思考才是最重要的。如何将这些经典的算法应用到工业中，这些算法在工业中的优缺点？慢慢体会！
国内比较大型的算法平台有：
天池大数据：
datacastle：
datafountain：
biendata：
kesci：
Jdata:
国外比较大型的算法平台有：
kaggle：
比赛平台有很多，这几个是比较出名的平台。大家可以去官网看一看，有很多正在进行中的比赛。另外，还有很多其他的平台，这里我就不介绍了，近些天，我和我朋友也在思考这个问题，是否可以做个网站，集成这些比赛网站还有国外著名会议的学术评测比赛呢？欢迎大家在留言区一起讨论！！！顺便给我个意见！
论文
很多即将大四毕业，跨入研究生生活的师弟师妹们，也或者即将迈入研二的师弟师妹呢，是否还在为毕业发愁呢？小论文成为中国硕士毕业老难题！其实，写一篇比较简单的ccf c类的论文并不是很难，或许 ccf b ccf a类的论文确实很难！如何入门呢？看近些年机器学习、人工智能的顶级会议、期刊论文（会议论文速度更快）。这里我仅整理下会议论文。
值得看的会议文章：
1、数据挖掘类：
SIGKDD：顶级数据挖掘论文。
2019年：审稿中
2018年accepted paper：
2017年accepted paper:
2016年accepted paer:
SIGIR：顶级推荐系统论文
2019年accepted paper：审稿中
2018年accepted paper:
2017年accepted paper:
2016年accepted paper:
还有一些次顶级会议：CIKM/ECML-PKDD/ICDM/SDM/WSDM
2、机器学习类：
AAAI: 顶级人工智能综合会议
2019年accepted paper:
2018年accepted paper:
2017年accepted paper:
IJCAI: 顶级人工智能综合会议
2019年 accepted paper: 审稿中
2018年accepted paper:
2017年accepted paper:
ICML :顶级机器学习会议\
2019年accepted paper: 审稿中
2018年accepted paper:
2017年accepted paper:
NIPS:顶级综合人工智能会议
2019年accpeted paper: 征稿中
2018年accepted paper:
2017年accepted paper:
还有一些其他的专业人工智能会议：如自然语言处理领域的 ACL/EMNLP/NAACL/COLING。偏统计的人工智能会议：AISTATS。
图像的人工智能会议：CVPR/ICCV/ECCV。小伙伴们可以看一些上述与自己相关的会议论文，针对论文的方法的不足，思考改进的方法！
作者何从庆的公众号：
请关注和分享↓↓↓\
机器学习初学者\
QQ群：727137612
（注意：本站有7个qq群，加入过任何一个的不需要再加）
本站的知识星球ID：92416895
往期精彩回顾\
