推荐|机器学习入门方法和资料合集 _机器学习

近些天在微信群里经常看小伙伴问到“机器学习如何入门，看哪些资料 ?”，于是乎想根据笔者学习两年多的学习经验，介绍下机器学习如何入门，该看哪些资料？下面我将从以下几个方面整理机器学习入门的资源：
（1）语言：机器学习中常用的语言。
（2）书籍：书中自有黄金屋，机器学习中涉及到的很多数学理论，只看视频或者博客是很难获取到完整的知识框架。
（3）视频：书中有些公式推导很难理解，可以看看大牛们深入浅出的课程。
（4）博客：经常看一些大牛们的分享，对于扩展知识面具有一定的帮助。
（5）比赛：实践是检验学习成果重要标准，参加一些算法竞赛，对于理解算法有着良好的帮助。
（6）论文：对于一些硕士来说，创新是检验学习能力重要体现。
语言
“人生苦短，我用”，目前已经成为机器学习中最主流的语言，由于其丰富的算法库。
1、numpy:最基础的库之一
地址：
2、:常用于数据处理的库
地址：
3、scipy:SciPy是一个开源的算法库和数学工具包。
地址：
4、-learn：包含众多的算法接口，从监督学习到半监督学习，再到无监督学习。还有评价指标、特征选择等。
地址:
5、-：multi-label的算法库。
地址：
还有一些深度学习的算法库，如：
6、keras：最适合入门深度学习的小伙伴的算法库。
地址：
还有一些较难的深度学习算法库，如, 。
书籍
1、《统计学习方法》：李航老师的《统计学习方法》这本书堪称经典，很多同学都靠着这本书找到理想的工作，强力推荐！对于许多想入门机器学习的小伙伴们，建议多看几遍这本书，弄懂算法的每一个细节。
2、《机器学习》：周志华老师的《机器学习》这本书，很多人又称之为西瓜书，也是很有帮助的。基本涵盖机器学习的所有分支，如监督学习，无监督学习，半监督学习，强化学习，特征选择等。
3、《推荐系统实战》：项亮博士的《推荐系统实战》这本书，很适合对于想了解推荐系统的小伙伴们有一定的帮助。
4、《概率论与数理统计》：很多机器学习算法都是从统计学概率论上发展而来的，对于概率知识统计知识不足的小伙伴们，建议研读这本书。
5、《and》：如果有小伙伴们英文比较好，小伙伴们也可以看看PRML这本经典的书。
6、《 :An 》：如果有小伙伴想研究强化学习，这是一本不错的强化学习入门书籍。
上述资料的pdf版本已上传至网盘，如果有小伙伴感兴趣，欢迎关注"AI算法之心"，后台回复"机器学习入门书籍" 。
视频
如果小伙伴们对于上述书籍看起来很吃力，很难弄懂算法的来龙去脉，建议将书籍(初学者推荐：《统计学习方法》)与视频结合起来，相互促进。
1、吴恩达老师的公开课：网易云上和上都有他的讲课，很基础的版本，建议大家入门的时候多看看这个视频。个人觉得上面的课程比较简单点。
网易云上面的地址：
上面的地址：
2、李宏毅老师的课程：李宏毅老师的课程也是比较好，值得大家学习。
这里有整理好的版本：
博客
国内：
1、火光摇曳：腾讯技术大牛们的博客
地址：
2、美团技术团队的博客：里面也有很多干货：
地址：
3、苏剑林的博客里面也全是干货
地址：
4、还有一些比较大型的博客网站，如博客园，简书，CSDN，知乎等等。
国外：
1、：技术博客，很多干货。
地址：
2、 Data ：主要分享些概念、idea和代码。