学习总结：机器学习（1）学习资料汇总

//2014年2月17日

//2014年2月28日 特点阐述

寒假里学习了stanford的《机器学习》，由Andrew Ng教授（华裔）主讲，收获很大，特在这里进行学习资料汇总，以供后来人飨。

汇总后发现资料未免太多，不利于后来人选择，下一篇blog我会对这些资料进行特点阐述。

加州理工(caltech)的 Yaser Abu-Mostafa教授的机器学习，偏重于传统统计理论

斯坦福大学（Stanford U)的Andrew Ng教授的机器学习，偏重于实用，直观理解

多伦多大学（Tornto U）的Geoffery Hinton教授的高级神经网络，偏重于神经网络和深度学习

斯坦福大学（Stanford U)的Daphne Koller教授的概率图模型，偏重于推理和结构化学习

stanford 机器学习 资料

授课视频资料：

http://v.163.com/special/opencourse/machinelearning.html

官方课件：

http://cimg3.163.com/edu/open/ocw/jiqixuexikecheng.zip

官方教学网：

http://www.holehouse.org/mlclass/index.html

推荐博客：

http://m.blog.csdn.net/blog/jirongzi_cs2011/10192667

/*很好的一篇博文，是《机器学习实战》的blog版，对每行代码进行了注释，适合python初学者与对python科学计算不甚了解的人学习*/

http://blog.csdn.net/cuoqu/article/category/1411617/2

/*博主称三年狂刷机器学习理论后的知识整理，适合有一定基础后看，本人正在学习*/

http://www.cnblogs.com/LeftNotEasy/

/*博主对机器学习的一些心得，有帮助*/

http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html

/*stanford机器学习讲义的中文版，不想看英文讲义的可以看这里*/

http://blog.pluskid.org/?p=821

/*博主浙大毕业MIT读博，想补充机器学习理论可以看这里*/

http://www.ituring.com.cn/article/1323

/*图灵社区嘛*/

另一个优秀的机器学习课程（国立台湾大学）:

http://mooc.guokr.com/course/610/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92%E5%9F%BA%E7%9F%B3--Machine-Learning-Foundations-/

/*据说偏重建立直觉，领会精神*/

机器学习书籍推荐：

http://book.douban.com/doulist/176513/

机器学习进阶：/*看论文呗*/

http://blog.csdn.net/chl033/article/details/4822922

http://blog.csdn.net/lukelu1263/article/details/8083783