技能——机器学习——机器学习综合指南

201804010110/120.752159,31.257395

201803091353

201804151301/120.752117,31.257352

=====================================

主要提供一些机器学习的入门简绍。http://www.cnblogs.com/jssice/articles/8847259.html 然后提供一些学习参考，书籍、视频。（还有一个参考汇总也不错，个人推荐一下 [22]）

 

1 简介 [1]

使用的框架

开发框架caffe，tensorflow，theano，sklearn [1-4]

http://www.cnblogs.com/jssice/articles/8847259.html

具体的使用流程 [1-5]

第一步：数据集进行处理，使用opencv

详见《安装Opencv》

第二步：把图片集制作成keras识别的数据集

第三步：构建卷积神经网络进行训练和测试

第四步：调用上述函数进行训练预测

 

 

 

2 书籍推荐 [7]

“周志华的买西瓜宝典”

Ian Goodfellow、Yoshua Bengio和Aaron Courville的花书 [6]

《Foundations of Machine Learning》

《ISLR》http://www.cnblogs.com/jssice/articles/8847259.html

《PRML》：罗列ML各种模型

《ESL》：细节往往都没有细讲，需要看对应的paper才能搞懂。不算是很适合的入门教材。

《MLAPP》：于前者相似，罗列ML各种模型，更加偏概率解释，有些为了概率而概率。MLAPP比较中立，内容更新一些，而且附件资料充足(有代码)

《Deep Learning An MIT Press book》：在线书籍，MIT的

 

 

 

=====================================

3 文档推荐 [22]

魏秀参. 解析卷积神经网络 [8]

Standard斯坦福. 机器学习教程.  [10]

Mchristos等 [12]

zouxy09的专栏. Deep Learning（深度学习）学习笔记整理系列 [14]

 

 

 

=====================================

4 视频推荐

斯坦福的著名教授——李飞飞教授 [15]

台大——李政軒 [16] http://www.cnblogs.com/jssice/articles/8847259.html

莫凡 [18]

 

 

 

 

 

 

 

 

 

参考文献

×[1] alexcai. 深度学习简介(一)——卷积神经网络. https://www.cnblogs.com/alexcai/p/5506806.html. 2016-05-19 14:51/201804010110

[2] Madcola. 冠军的试炼. [EB/OL]. https://www.cnblogs.com/skyfsm/p/6790245.html. 2017-04-30 20:10/201804010110

[3] 能否对卷积神经网络工作原理做一个直观的解释？ [EB/OL]. https://www.zhihu.com/question/39022858. /201804010110

⭐️[1-4] zh_JNU的博客. ImageNet和CNN怎样帮助医学图像的识别. [EB/OL]. https://blog.csdn.net/dcxhun3/article/details/51769816.  2017年01月11日 14:07:16/201803310018

★[1-5] Yoshua Bengio. http://www.iro.umontreal.ca/~bengioy/yoshua_en/research.html.

书籍：

[6] 一本MIT出版社的书. http://www.deeplearningbook.org/. /201804101251(教材，文本，机器学习入门)

[7] 知乎. 最近开始学习机器学习，不知道看哪本书比较好（PRML ESL or MLAPP）？ https://www.zhihu.com/question/37868662. /201804112155

文档：

[8]魏秀参. 解析卷积神经网络——深度学习实践手册. http://210.28.132.67/weixs/book/CNN_book.pdf. /201804141300(文本)

[9] tornadomeet. Deep learning：四十(龙星计划2013深度学习课程小总结). http://www.cnblogs.com/tornadomeet/p/3189772.html. 2013-07-14 19:09/201804111503（机器学习，Android，Qt，深度学习集合，Opencv，数据相关招聘工作）

[10] Standard斯坦福. 机器学习教程. http://ufldl.stanford.edu/tutorial/. (文本，资源，机器学习，深度学习，matlab)

[11] Github xxx. 机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 2). [EB/OL]. https://github.com/ty4z2008/Qix/blob/master/dl2.md. /201804121756

[12] Mchristos等人. https://github.com/hangtwenty/dive-into-machine-learning. 201804101638(机器学习指南)

[13] Shingle_. 深度学习入门心得——书籍、课程、文档推荐. https://blog.csdn.net/shingle_/article/details/52029214. 原创 2016年07月25日 23:08:37

[14] zouxy09的专栏. Deep Learning（深度学习）学习笔记整理系列之（一）. [EB/OL]. https://blog.csdn.net/zouxy09/article/details/8775360. 2013年04月08日 23:35:33/201804060308(文字/大集合)

视频：

[15] 网易云课堂. 斯坦福李飞飞-深度学习计算机视觉. https://study.163.com/course/introduction/1003223001.htm./201804060305(视频)

[16] 李政軒 (Cheng-Hsuan Li). http://www.powercam.cc/chli. /201804060311(*微積分網路教學(教學影片) *常微分方程習題解答(教學影片) *AutoCAD特訓教材教學影片 *CWTeX的安裝流程 *錄製電腦畫面軟體Camtasia 的安裝與簡易錄製 *遠短遙控軟體VNC的安裝與使用)

[14] custertian. 【深度学习笔记】第 1 课：从机器学习到深度学习. http://www.cnblogs.com/custer/p/6337591.html. 2017-01-22 08:43/201804060318（Udacity读书笔记，

[17] 莫烦. https://zhuanlan.zhihu.com/morvan, (全部32机器学习27深度学习（Deep Learning）24强化学习 (Reinforcement Learning)15神经网络13遗传算法3人工智能2最优化2Python2数据结构1大数据1numpy1AlphaGo1游戏1)

[18] 莫烦Python. https://morvanzhou.github.io/learning-steps/. (推荐学习指导，视频资源，读书笔记，python，机器学习)

[19] 我爱自然语言处理. http://www.52nlp.cn/. (机器学习，深度学习，公开课，数学，python)

[20] 卷积神经网络(CNN)模型结构. http://www.cnblogs.com/pinard/p/6483207.html. /201804101316（注释张有外文教学网站）

[19] https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-python/. /201804101636(Python学习思路指南)

[21] Charlotte77数学系的数据挖掘民工(公众号:CharlotteDataMining). http://www.cnblogs.com/charlotte77/p/7759802.html. 

[22] ZOMI. https://chenzomi12.github.io/2016/12/10/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%96%B0%E6%89%8B%E8%AF%AF%E5%8C%BA/#more. /201804101258(机器学习指导，机器学习工作，卷积神经网络的各类算法架构)