機器學習【吳恩達|周志華|李巨集毅|演算法】清單 #收藏#
網路轉自：https://blog.csdn.net/julialove102123/article/details/78729602
系列學習記錄：
1、吳恩達機器學習系列；
2、李巨集毅機器學習課程；
3、周志華 西瓜書；
4、十大演算法練習；
5、系列學習資源；
周志華：機器學習書籍 | 吳恩達 ： CS229n機器學習系列 | 李巨集毅教授：機器學習課程 |
|
機器學習十大算法系列 |
課程資源：
http://open.163.com/special/opencourse/machinelearning.html
http://cs229.stanford.edu/syllabus.html
4、UFLDL-斯坦福大學Andrew Ng教授“Deep Learning”教程：
為了理解和應用機器學習技術，你需要學習 Python 或者 R。這兩者都是與 C、Java、PHP 相類似的程式語言。但是，因為 Python 與 R 都比較年輕，而且更加“遠離”CPU，所以它們顯得簡單一些。相對於R 只用於處理資料，使用例如機器學習、統計演算法和漂亮的繪圖分析資料， Pthon 的優勢在於它適用於許多其他的問題。因為 Python 擁有更廣闊的分佈（使用 Jango 託管網站，自然語言處理 NLP，訪問 Twitter、Linkedin 等網站的 API），同時類似於更多的傳統語言，比如 C python 就比較流行。
在Python中學習機器學習的四個步驟
1、首先你要使用書籍、課程、視訊來學習 Python 的基礎知識
2、然後你必需掌握不同的模組，比如 Pandas、Numpy、Matplotlib、NLP (自然語言處理)，來處理、清理、繪圖和理解資料。
3、接著你必需能夠從網頁抓取資料，無論是通過網站API，還是網頁抓取模組Beautiful Soap。通過網頁抓取可以收集資料，應用於機器學習演算法。
4、最後一步，你必需學習機器學習工具，比如 Scikit-Learn，或者在抓取的資料中執行機器學習演算法(ML-algorithm)。
1.Python入門指南：
有一個簡單而快速學習Python的方法，是在 codecademy.com 註冊，然後開始程式設計，並學習 Python 基礎知識。另一個學習Python的經典方法是通過 learnpythonthehardway ，一個為廣大 Python 程式設計者所推薦的網站。然後還有一個優秀的 PDF， byte of python 。python社團還為初學者準備了一個Python資源列表list of python resources。同時，還有來自 O’Reilley 的書籍 《Think Python》，也可以從這裡免費下載 。最後一個資源是 Python 用於計量經濟學、統計學和資料分析的介紹：《Introduction to Python for Econometrics, Statistics and Data Analysis 》，其中也包含了 Python 的基礎知識。
2.機器學習的重要模組
其它資源:
3.從網站通過API挖掘和抓取資料
以下例子中包括可以用基本的Python命令列實現，有教育意義，而且有趣的例子，以及網頁抓取技術。
4. Python 中的機器學習
機器學習可以分為四組：分類，聚類，迴歸和降維。
“分類”也可以稱作監督學習，有助於分類圖片，用來識別圖片中的特徵或臉型，或者通過使用者外形來分類使用者，並給他賦不同的分數值。“聚類”發生在無監督學習的情況，允許使用者在資料中識別組/叢集。“迴歸”允許通過引數集估算一個值，可以應用於預測住宅、公寓或汽車的最優價格。
modules, packages and techniques 羅列了 Python、C、Scala、Java、Julia、MATLAB、Go、R 和 Ruby等語言中所有學習機器學習的重要模組、包和技巧。有關Python機器學習的書籍，我特別推薦《Machine learning in action》。儘管有點短，但它很可能是機器學習中的經典，因為它提到了“集體智慧程式設計時代”：Programming Collective Intelligence。這兩本書幫助你通過抓取資料建立機器學習。最近關於機器學習的出版物大多都是基於模組 scikit-learn 。由於所有的演算法在模組中都已實現，使得機器學習非常簡單。你唯一要做的事就是告訴 Python ，應該使用哪一個機器學習技巧 (ML-technique) 來分析資料。
免費的 scikit-learn教程 可以在 scikit-learn 官方網站上找到。其他的帖子可以通過以下連結獲取：
關於機器學習和 Python 中模組 scikit-learn 的書籍：
接下來數月將要發行的書籍包括：
機器學習相關的課程和部落格
你想要得到一個學位，加入線上課程，或者參加線下講習班、大本營或大學課程麼？這裡有一些關於邏輯分析、大資料、資料探勘和資料科學的線上教育站點連結：Collection of links 。另外推薦一些線上課程–來自Udacity的Coursera 課程：machine learning 和 Data Analyst Nanodegree。還有一些關於機器學習的部落格列表：List of frequently updated blogs。
最後是來自 Jake Vanderplas 和 Olivier Grisel，關於探索機器學習的優秀 youtube 視訊課程。