关于机器学习，一些我认为不错的东西，已亲测。

学习篇

一、基础学籍

数学基础：

• 1.线性代数－斯坦福（吉尔伯特－斯特朗教授）
• 2.概率论(台大)
• 3.统计学
• 4.微积分基础

二、机器学习

• 1.吴恩达: machine learning－coursera
• 2.吴恩达: 机器学习－斯坦福
• 3.统计学习方法－李航

恩达的课很棒，但一些高级主题都没有讲。

另外：台大的，主要是国语：

• 4.机器学习基础（coursera）
• 5.机器学习技法（coursera）

上海交大，张志华教授：

• 6.机器学习导论
• 7.统计机器学习

三、神经网络/深度学习

• 0.神经网络简史

Udacity google

• 深度学习 from google

另一位，台大，李宏毅(下面的深度学习课程也有他)：

• 1天搞懂深度学习
• NTUEE ML 2016
• NTUEE MLDS:youtube bilibili

大神Geoffrey Hinton（略难，案例多）：

• 机器学习中使用的神经网络（coursera）

tensorflow：

• standford tensorflow: CS20SI 配套课件ppt

四、NLP

• 0.语法分析_陆俭明
• 1.宗庆成:统计自然语言处理
• 2.Michael Collins:Natural Language Processing coursera
• 3.CS224D 深度学习与自然语言处理 ppt

五、信息检索

• 1.信息检索-实现和评价搜索引擎－Stefan Büttcher

六、推荐系统

• 1.Movielens作者:推荐系统导论: coursera，明尼苏达大学 : 知识系统还算全面，讲得不深，不过里面有好多大牛的interview。推荐一下。
• 2.Netflix-Xavier Amatriain:Recommender Systems
• 3.Quora-Xavier Amatriain:Recsys 2016 tutorial: Lessons learned from building real-life recommender systems

七、计算广告

• 1.刘鹏: 计算广告学
• 2.Andrei Broder: Introduction to Computational Advertising

八、计算机视觉

－ 1.深度学习与计算机视觉

==========================================================

并行计算篇

1.Stanford CUDA

工具篇

转到工具篇