|
#关于这份学习清单# 我会按照基础到入门给出详细推荐，并且附上个人点评。同时尽量做到各个资料在内容上并不重复（即使内容上有重复，也会在难度上做出区分），希望可以以最直接的方式告诉大家应该怎么选择。 Ps：这是第一版学习指南，由于最近时间比较紧张，预计在第二版中会加入业务材料的推荐和更多的学习索引，欢迎关注。
由于统计学概率论甚至到机器学习会对数学基础有一定要求，所以这里给出一些先验知识的内容推荐，主要是矩阵方面。 1.1 课程 可汗学院公开课：线性代数课程 http://open.163.com/special/Khan/linearalgebra.html 因为网易公开课有翻译，这里是中文字幕课程链接，这里真要给网易100个赞，字幕做得很好。 “可汗学院(Khan Academy)，是由孟加拉裔美国人萨尔曼·可汗创立的一家教育性非营利组织，主旨在于利用网络影片进行免费授课，现有关于数学、历史、金融、物理、化学、生物、天文学等科目的内容，教学影片超过2000段，机构的使命是加快各年龄学生的学习速度。”
1.2 参考书籍 （1）线性代数 豆瓣评分7.3
（2）高等代数 豆瓣评分8.1 相比于线性代数，高等代数更加深入，一般线性代数为非数学专业所用，数学类专业一般学习高等代数。不过一般情况下，线性代数也足够使用了。
当然，在后续学习中有些算法也会用到微积分的知识，但是都比较基础，因此遇到不懂的时候直接查资料即可，就没有特定推荐材料了。
2.1 统计学/概率课程 同样推荐可汗学院的统计学和概率课程，而且刚好这两门课程也被网易公开课进行了翻译： （1） 可汗学院公开课：统计学 http://open.163.com/special/Khan/khstatistics.html （2） 可汗学院公开课：概率 http://open.163.com/special/Khan/probability.html 2.2统计学/概率参考书 （1）统计学 豆瓣评分8.8 “《统计学(原书第5版)》内容丰富，很少涉及统计学理论的严格数学证明，绝大部分是与实际应用紧密联系的例子和练习，适合作为理工科各专业本科生、研究生的统计学教材，也可作为相关领域研究人员的参考读物。”
3.1机器学习课程 强烈推荐Andrew NG吴恩达的斯坦福机器学习课程，英文授课，但是已有完善的中文字幕，内容非常丰富且充实（20节），并且讲解得非常的好，如果你想学习机器学习，一定不能错过！ Coursera地址： https://www./learn/machine-learning# 网易公开课地址： http://open.163.com/special/opencourse/machinelearning.html 同时该课程配有课件讲义，同样建议大家在学习视频课程之余多看讲义和习题，虽然是英文，但是阅读上基本没有什么问题，就讲义本身也是非常的棒。
如果大家学习完Andrew NG的机器学习，还想通过其他课程触类旁通，相互借鉴的话，可以上Coursera上门搜索还有其他选择，例如台大的机器学习基础等等，但毫无疑问首推Andrew NG的课程； 另外现在国内也有越来越多的培训网站推出相关课程，大家有兴趣的可以自己搜搜，这里就不做推荐了；
3.2机器学习教材 （1）数据挖掘导论 豆瓣评分8.4,/英本原本8.8 作者： Pang-Ning Tan、Michael Steinbach、Vipin Kumar 介绍得非常全面的一本书，但可能因为需要涵盖的内容太多，所以难免有些算法只能简单介绍。尽管这样，个人认为也是非常难得一见的入门教材，有一定难度。这本书从简单的数据开始，到各种分类算法，聚类算法，关联规则都有相对完整的指引，我认为对于我们构建自身的统计挖掘体系是有很大的帮助。中文版本翻译还是挺好的，但是英文原版那是极好的。
（2）统计学习方法 豆瓣评分：8.9 作者：李航
作者：张文彤，钟云飞 |
|
|
来自： CharlseShan > 《IT》
