最近在利用业余时间学习机器学习，期间搜集整理了不少学习资料，多为斯坦福/康奈尔等大学的公开课和讲座，以及机器学习领域的英文原版书籍。私以为，相比国内各大社区里出处不明的入门教程，还是一手的权威资料讲得更加深入和准确，所以，何不食肉糜呀！

另外，机器学习领域大牛很多，领域很广，应用更是广阔到难以尽数，作为一个ML小白，这篇文章的内容也并不会多完备，不求尽善尽美，只是抛砖引玉，一起交流学习。

1.计算机基础

• python 入门：

• Java入门：

• 算法：

• 数据库：

• 离散数学：

• 操作系统：

2.数学和统计基础

• 线性代数（Linear algebra）【必须】
• 微积分（Calculus）【必须】
• 优化（Optimization）【必须】
• 基础统计（Statistics）【必须】
• 实分析和泛函（real analysis, functional analysis）【非必须】

3.入门

• ：吴恩达的这个课可能没有人不知道了
• ：这本书里面的编程很轻量，但是作为直觉培养和思路练成，仍然是不错的

• ：吴恩达的这个课用来入门深度学习也不错
• ：Udacity的第一门旗舰AI课，基于斯坦福大学的一门本科生课程，会涉及一点比前几门入门课更宽广的概念

4.进阶

• ：之前的几个课程主要是讲监督学习的，这门斯坦福的课程稍微宽广一点，并不完全是机器学习，但是对扩大知识面和实践有帮助
• ：康奈尔大学的机器学习课程，可惜没有录像，只有课件，关于实战的部分讲的还是不错的
• ：经典ESL

• ：经典书

5.应用

• 信息提取和搜索

• 推荐系统

• 图像识别

  • ：Andrej版的堪称经典

• 自然语言处理

• 加强学习

  • ：经典课本

• 无人车

6.框架

• Tensorflow：
• Pytorch：
• Caffe

7.扩展注意事项

数据量大了会面临的问题，一些最最小白的介绍，大佬可跳过

• 分布式系统:

• 系统设计

  • DDIA堪称经典教程

• 分布式OLTP和OLAP

机器学习系统和平台

• 什么是机器学习系统?
  • 没有录像只有幻灯片

-

• 机器学习平台
  • Google:

    • tfx
    • KDD talk

  • Facebook:

    • FB Learner flow

  • Uber:

    • Michelangelo
    • 深度学习 Horovod

  • linkedin:

    • Pro ML

  • Airbnb:

    • Bighead
    • Podcast TwimlAI

安利时间

我们在web开发过程中，都见过或者使用过一些奇技淫巧，这种技术我们统称为黑魔法，这些黑魔法散落在各个角落，为了方便大家查阅和学习，我们做了收集、整理和归类，并在github上做了一个项目——，希望各位爱钻研的开发者能够喜欢，也希望大家可以把自己的独门绝技分享出来，如果有兴趣可以给我们发pr。

欢迎加入我们的QQ群（784383520），一起交流学习。