【资源】2018年,你最需要的机器学习资料整理分享

2017年是机器学习大爆发的一年,互联网巨头公司纷纷提出“ALL IN AI”理念。2018年之初,分享收集的机器学习最权威的资料,新年祝大家沉迷学习不能自拔。

【资源】2018年,你最需要的机器学习资料整理分享_第1张图片

机器学习

01.机器学习

【资源】2018年,你最需要的机器学习资料整理分享_第2张图片
斯坦福大学吴恩达老师的Machine Learning应该是最适合机器学习入门的课程了。从2012年开课到今年,这个课程在斯坦福大学已经被挤爆了,也是Coursera平台上最为热门的课程。
吴恩达老师的讲课内容非常适合入门,小编入门也是刷了3遍,分享给大家。

Coursera网站链接:https://www.coursera.org/learn/machine-learning

02.机器学习基石、技法

林老师在coursera上的《基石》和《技法》是非常符合机器学习的思想逻辑的,从用途,可行性开始引入,直到介绍一些复杂的算法,诸如GBDT,RF,SVM甚至deep learning的一些知识。这个我认为适合对机器学习有所了解,并且希望能够弄懂来龙去脉的进阶者来看。
刷完吴恩达老师的机器学习课程后,大家可以通过机器学习基石、技法来更深入的学习机器学习的理论知识。

【资源】2018年,你最需要的机器学习资料整理分享_第3张图片

不知道什么原因,Coursera上已经下架了这个课程。当然,我已经早就下载下来了,在我们的资料中也有。

深度学习

01.深度学习

【资源】2018年,你最需要的机器学习资料整理分享_第4张图片

吴恩达《深度学习》(Andrew Ng 《Deep Learning》)专业课程主要有五门课组成:
1.神经网络和深度学习(Neural Networks and Deep Learning)

2.改善深层神经网络:超参数调优,正则化和优化(Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization)

3.构建机器学习项目(Structuring your Machine Learning project)

4.卷积神经网络(Convolutional Neural Networks)

5.自然语言处理(Natural Language Processing: Building sequence models)

Coursera链接:https://www.coursera.org/specializations/deep-learning
网易云中文翻译:http://mooc.study.163.com/smartSpec/detail/1001319001.htm

02.自然语言处理

自然语言处理领域斯坦福大学的优势十分明显,因此,斯坦福CS224n深度学习与NLP课程也是值得仔细研读的课程。

斯坦福大学主页:http://web.stanford.edu/class/cs224n/

B站中转:http://space.bilibili.com/23852932?spm_id_from=333.338.viewbox_report.7#/channel/detail?cid=11177

结束语

我推荐的资料并不多,都是机器学习领域内最经典的课程,推荐的学习顺序为01-02-03-04。“Less is More”,把时间和精力放在最重要的事情上才能有产出。

关注微信公众号:Kaggle数据分析,后台回复“2018”获取资料合集。

你可能感兴趣的:(kaggle)