機器學習（書籍推薦）
機器學習資料：書籍，資源，方法
2016年12月01日 00:06:43 閱讀數：264 標籤： 機器學習 深度學習 自然語言處理
數學基礎
微積分：偏導數，梯度等等
概率論與數理統計：極大似然估計，中央極限定理，大數法則
最優化：梯度下降，牛頓-拉普拉斯，變分法（尤拉-拉格朗日方程），凸優化等
- 1
- 2
- 3
- 4
1.線性代數:
3.統計學
幾種型別的書：
Machine Learning Notes in cousera ： 如果沒有時間看2中的視訊的話，可以直接看這個部落格：
進階（選擇）學習：
Pattern Recognition And Machine Learning（有點偏Bayesian了，初學者看起來可能有些困難，可以和機器學習，統計學習方法，機器學習公開課視訊結合起來看）
The Elements of Statistical Learning
Machine Learning: A Probabilistic Perspective
《PRML》、《ESL》、《MLAPP》這類進階類書籍。包涵大量理論知識和數學推導（尤其是習題），有助於瞭解Machine Learning方法背後的本質和思想。
Machine Learning學習的過程，就是一個 what -> how -> why 的過程。而PRML，或者說同類的ESL等書籍，最大的作用就是讓你知道為什麼會有這樣的方法，為什麼會有這樣的模型，它背後的intuition和motivation是什麼。而這恰恰是一個Machine Learning Researcher想要進一步使用模型、看懂別人paper中的模型、甚至自己提出新模型的基礎。看PRML會帶給你在Machine Learning上的理解和使用能力一個質的飛躍。
Convex Optimization: Boyd
下面是專業方向書籍）
Introduction to Information Retrieval（資訊檢索入門書籍）
Modern Information Retrieval（現代資訊檢索第二版）
Foundations of Statistical Natural Language Processing（自然語言處理經典之作）
斯坦福自然語言處理公開課： http://www.52ml.net/14247.html
http://www.52nlp.cn/category/mit-nlp