Сводка ресурсов по машинному обучению

Желая делиться последними и наиболее полными материалами по машинному обучению, приглашаем вас стать соавтором!

Начните быстро:

• Чжоу Чжихуа"Машинное обучение"Как учебник для чтения, вам не нужно углубляться, вы можете примерно понять всю подноготную машинного обучения.

• Ли Ханг«Статистические методы обучения»В качестве классического углубленного случая тщательно изучите все тонкости нескольких алгоритмов.

• Используя язык Python, согласно«Машинное обучение в действии»Программа для быстрого старта письма

• Обратитесь к видео + коду влиятельного лица машинного обучения Youtube Сираджа Равала, чтобы помочь вам лучше войти в состояние!

  • Оригинальный адрес Youtube нуждается в лестнице | Сетевой диск Baidu

• Настоятельно рекомендуется курс машинного обучения и глубокого изучения китайского языка от г-на Ли Хунъи из Национального Тайваньского университета:курс

• Наконец, вы, возможно, захотите сыграть в нее. Затем перейдите на указанную платформу для соревнований по машинному обучению Kaggle, чтобы сделать эти основные представления.темаБар! (Вы можете посмотреть чужой код для каждой задачи на Kaggle, что вам удобно, чтобы быстрее освоиться)Kaggle введение и вводная интерпретация Наборы данных, которые можно использовать для тренировки рук

• Хотите увидеть, как другие пишут код?Все реализации кода классического учебника по машинному обучению "PRML"

• Реализация алгоритма машинного обучения на Python

• Кроме того, для некоторых базовых математических знаний вы видитеГлубокое обучение (цветочная книга) Китайская версиядостаточно. Эта книга такжеглубокое обучениеКлассическая книга.

• Небольшая, но изысканная книга, написанная докторантом из группы Чжоу Чжихуа в Нанкинском университете.Анализ сверточных нейронных сетей — Справочник по глубокому обучению

---

Краткая и простая библиотека обработки временных рядов (окно, извлечение признаков, классификация): Seglearn

В этом году в компьютерном зрении: это самый полный технический отчет CV

Глубокое обучение (цветочная книга) Китайская версия

Самые стоящие статьи по глубокому обучению

Самая полная коллекция ресурсов для самостоятельного изучения глубокого обучения

Machine learning surveys

Быстрое начало работы с TensorFlow

Наборы данных обработки естественного языка Обучение машинному обучению: шесть статей, которые вы не хотите пропустить

Getting started with machine learning documented by github

---

Предпосылки

• Изучение знаний и дорожная карта

• Заметки о занятиях по линейной алгебре Массачусетского технологического института (китайский)

• Вероятность и статистика Поваренная книга вероятности и статистики

• Python

  • Learn X in Y minutes

  • Интерактивное руководство по машинному обучению Python

• Markdown

  • Mastering Markdown - Markdown is a easy-to-use writing tool on the GitHu.

• R

  • R Tutorial

• Некоторые шпаргалки для Python и Matlab:ddl.escience.cn/f/IDkqВключают:

  • Библиотека научных вычислений Numpy, Scipy, Pandas

  • Научные вычисления Matlab

  • Рисунок Matplotlib

• Фреймворк глубокого обучения

  • Python

    • TensorFlow
    • Scikit-learn
    • PyTorch
    • Keras
    • MXNet|Большой список связанных ресурсов
    • Caffe
    • Caffe2

  • Java

    • Deeplearning4j

  • Matlab

    • Neural Network Toolbox
    • Deep Learning Toolbox

---

Теория

• глубокое обучение

• Обучение с подкреплением

• передача обучения

• Распределенная система обучения

---

Приложения

• Компьютерное зрение / машинное зрение

• Обработка естественного языка

• Распознавание речи Распознавание речи

• Биоинформатика

• медицинский

• Распознавание активности

• Искусственный интеллект (многоагентный)

---

примечания к документации

• Резюме статьи сводки новостей

• Краткое изложение почти 200 материалов по машинному обучению!

• Начало работы с машинным обучением

• MIT.Introduction to Machine Learning

• Отчет о взаимодействии человека с компьютером, сделанный студентами Токийского университета.

• Введение во взаимодействие человека с компьютером

• Форум взаимодействия человека и компьютера и предпринимательства

• Начало работы с машинным обучением на рабочем месте

• Процесс разработки и просвещение машинного обучения, (@Prof. Zhihua Zhang/@Professor Zhang Zhihua)

• Общие меры расстояния и подобия

---

Курс и разговор

Машинное обучение Машинное обучение

 Курс прикладного глубокого обучения Национального Тайваньского университета

-Подробный список из 30 бесплатных курсов по нейронным сетям, машинному обучению, алгоритмам, искусственному интеллекту и многому другому 

• Стэнфордский вводный курс по машинному обучению, лектор Эндрю Нг, подходит для людей с общей математической подготовкой, подходит для входа, но после обучения вы обнаружите, что понимаете только общую идею, что эквивалентно непониманию ничего. Многие детали машинного обучения опущены

• Neural Networks for Machine Learning, известный курс на Coursera, который читает профессор Джеффри Хинтон.

• Stanford CS 229, Андрей Нг класс машинного обучения без кастрации, более подробные примечания

• CMU 10-702 Statistical Machine Learning,Лектор Ларри Вассерман.Это должно быть машинное обучение с факультета статистики.Оно очень математическое.В первом классе упоминается RKHS(Воспроизводящее ядро ​​гильбертово пространство).Студентам с математическим образованием рекомендуется читать или изучать функциональные анализ реальных переменных люди смотрят

• CMU 10-715 Advanced Introduction to Machine Learning, также является курсом докторантуры CMU, быстрым и сложным

• Краеугольный камень машинного обучения(подходит для входа). Национальный Тайваньский университетЛинь Сюаньтянь

• методы машинного обучения(подходит для повышения). Национальный Тайваньский университетЛинь Сюаньтянь

• Machine Learning for Data Analysis, Урок 4 специализации «Анализ и интерпретация данных» Уэслианского университета на Coursera.

• Институт Макса Планка интеллектуальных систем ТюбингенВидео летней школы по машинному обучению 2013, организованной Институтом интеллектуальных систем им. Макса Планка, Германия, Внимательно пролистайте этот канал и вы также можете найти видео летней школы 2015

• Чжиху в прямом эфире:Начнем машинное обучение вместе,Разработка признаков для введения в машинное обучение

машинное обучение глубокого обучения

• Профессор Фейфей Ли из Стэнфордского университетаСерия курсов глубокого обучения CS231n. Фейфей Ли в настоящее время работает ученым в Google и специализируется на глубоком обучении и распознавании изображений. Заметки к этому курсу можно посмотретьздесь.

• CS224n: Natural Language Processing. Course instructors: Chris Manning, Richard Socher.

Машинное обучение с подкреплением

• CS 294 Deep Reinforcement Learning, Fall 2017. Course instructors: Sergey Levine, John Schulman, Chelsea Finn.

• UCL Course on RL

• CS234: Reinforcement Learning, видео еще нет

---

Справочник связанных книг

• Hands on Machine Learning with Scikit-learn and Tensorflow

• ГрунтовкаЭлементы статистического обучения (второе издание на английском языке), The Elements of Statistical Learning.pdf

• машинное обучение, (@проф. Чжихуа Чжоу/профессор Чжоу Чжихуа)

• Статистические методы обучения, (@Доктор Ли Ханг/Доктор Ли Ханг)

• некоторые книги киндла:

  • Анализ данных с помощью Python

  • Изучайте Python с Лао Ци: от начального уровня к мастерству

  • Python и интеллектуальный анализ данных (серия «Технологии больших данных») — Чжан Лянцзюнь

  • Руководство по обучению Python

  • Анализ и оптимизация производительности Python

  • Введение и практика интеллектуального анализа данных Python

  • Анализ данных Python и практика майнинга (серия технологий больших данных) — Чжан Лянцзюнь

  • Научные вычисления Python (2-е издание)

  • Программирование компьютерного зрения на Python [США] Ян Эрик Солем

  • Программирование ядра Python (третье издание)

  • Программирование ядра Python (второе издание)

  • Дорога к мастерству Python - [французский] Julien Danjou

  • Быстро начните программировать на Python и автоматизируйте утомительную работу

  • Программирование на Python: от входа к практике

  • Python3 CookBook, китайская версия

  • Как машинное обучение и искусственный интеллект меняют мир — Педро Домингос

  • Проектирование системы машинного обучения (серия Turing Programming) — [США] Вилли Ричерт и Луис Педро Коэльо

  • Практическое руководство по машинному обучению: анализ конкретных случаев (2-е издание) (серия «Технологии больших данных») — Maihao

  • Методы разработки через тестирование на практике машинного обучения (серия Turing Programming) — [США] Кирк (Мэттью Кирк)

  • Машинное обучение: анализ практического случая

• математика:

  • Algebra - Michael Artin

  • Algebra - Serge Lang

  • Basic Topology - M.A. Armstrong

  • Convex Optimization by Stephen Boyd & Lieven Vandenberghe

  • Functional Analysis by Walter Rudin

  • Functional Analysis, Sobolev Spaces and Partial Differential Equations by Haim Brezis

  • Graph Theory - J.A. Bondy, U.S.R. Murty

  • Graph Theory - Reinhard Diestel

  • Inside Interesting Integrals - Pual J. Nahin

  • Linear Algebra and Its Applications - Gilbert Strang

  • Linear and Nonlinear Functional Analysis with Applications - Philippe G. Ciarlet

  • Mathematical Analysis I - Vladimir A. Zorich

  • Mathematical Analysis II - Vladimir A. Zorich

  • Mathematics for Computer Science - Eric Lehman, F Thomson Leighton, Alber R Meyer

  • Matrix Cookbook, The - Kaare Brandt Petersen, Michael Syskind Pedersen

  • Меры, интегралы и мартингалы - Рене Л. Шиллинг

  • Principles of Mathematical Analysis - Walter Rudin

  • Probabilistic Graphical Models: Principles and Techniques - Daphne Koller, Nir Friedman

  • Probability: Theory and Examples - Rick Durrett

  • Real and Complex Analysis - Walter Rudin

  • Thomas' Calculus - George B. Thomas

  • Читатель Принстонского исчисления - Адриан Баннер

• Бесплатные электронные книги Packt Daily:

  • Learning Data Mining with Python

  • Matplotlib for python developers

  • Machine Learing with Spark

  • Mastering R for Quantitative Finance

  • Mastering matplotlib

  • Neural Network Programming with Java

  • Python Machine Learning

  • R Data Visualization Cookbook

  • R Deep Learning Essentials

  • R Graphs Cookbook second edition

  • D3.js By Example

  • Data Analysis With R

  • Java Deep Learning Essentials

  • Learning Bayesian Models with R

  • Learning Pandas

  • Python Parallel Programming Cookbook

  • Machine Learning with R

---

Разное

• Машинное обучение ежедневно: Ежедневные обновления результатов последних исследований научных кругов и промышленности.

• Сердце машины

• Сообщество Джижи

---

Как внести свой вклад

Если вам интересен этот проект, добро пожаловать!

• Нормальное участие: пожалуйста, разветвите или потяните напрямую
• Если вы хотите загрузить файл: пожалуйстане хотетьЗагружайте прямо в проект, иначе репозиторий git будет слишком большим. Правильный способ - загрузить егоГиперссылка. Если файл, который вы хотите загрузить, находится в самой сети (например, в статье будет ссылка), вы можете загрузить его напрямую, если это какие-то файлы, данные и т. д., которыми вы хотите поделиться, с учетом ситуации внутреннего сетевого диска, пожалуйста, загрузите его следующим образом:
  • (внутри стены) На данный момент лучшего способа сделать это нельзя, это можно сделать только через линк, или линк на собственный сетевой диск.
  • (за стеной) первый вUPLOADЗагрузить напрямую (НетТребуется регистрация учетной записи); после успешной загрузки вDOWNLOADНайдите файл, который вы только что загрузили, и поделитесь ссылкой.

Как начать сотрудничество в проекте

Взгляните на совместную работу github

Своевременно обновляйте проект форка

Авторы

[Заявление об авторских правах статьи] Этот репозиторий открыт для Github мной и может использоваться в соответствии с соответствующими соглашениями об открытом исходном коде. Этот репозиторий содержит множество научных работ, магистерских и докторских диссертаций и т. д., которые загружаются из Интернета и используются только для академических исследований. Я написал свое собственное скромное мнение о некоторых из этих статей, которое, я надеюсь, поможет вам лучше понять их. Авторские права на эти статьи принадлежат соответствующим издателям. Если у автора или издателя есть какие-либо возражения, пожалуйста, свяжитесь со мной, чтобы удалить его (следовало бы поставить только ссылку на статью, но было слишком поздно из-за нехватки времени). Все для лучшей учебы!