01_resource_recommendation.md

学习资源推荐

视频课程推荐：

• 吴恩达老师的《Machine Learning》网易云课堂有全套课程包含作业，作业的题解也都能在网上找到。课程很浅显适合入门但可能也只能助你入门，可以先看到监督学习部分结束
• 林轩田老师的《机器学习基石》和《机器学习技法》(选)
• 李宏毅老师的机器学习课程(选)

网课只能作为建立大致理论架构的辅助，更深入的学习需要阅读书籍和手动实践

书籍推荐：

• 频率角度 首推李航老师的《统计学习方法》
• 贝叶斯角度 PRML也就是很经典的《模式识别与机器学习》，这本书目前似乎只有电子书流传，小肥狼的书库里我放了中文版和英文版，但是推荐看英文版，中文版的翻译让原书的经典失色不少，有困难的话可以对照中文版看英文版。
• 《MLAPP》(Machine Learning A Probabilistic Perspective)也是经典的一本书，侧重于数学原理
• 西瓜书，涉及了很多算法，但是都不算太过深入，可以作为一个了解用的概览
• 《Deep Learning》花树，GAN的作者Ian Goodfellow的书，主要是深度学习方面，可作为后续的延伸学习用
• 关于Python常用的numpy、pandas、matplotlib等数据处理第三方库，有一本比较经典的《利用Python进行数据分析》（红色封面大松鼠那本），可以快速过一下
• 英语没问题对机器学习数学根基有兴趣深入了解但是啃不动PRML的同学可以参看《Mathematics for Machine Learning》，没有机器学习基础的可以只看前一半数学篇，不过其实后一半应用篇也相当精彩，值得花时间认真啃下来

以上书籍资源基本上小肥狼工作室的BookLibrary库中都有，大家可以自行取阅，既然接触了这一领域希望大家早日养成电子书刊文献阅读的习惯，为以后大量的文献阅读打下早期基础，pdf阅读器Linux下推荐Okular，非常优秀的一款阅读器，Windows下可以考虑阅书PDF，相对还算可以。此外也建议大家不要惧怕英文资料，良好的英语文献阅读能力是大家日后深入研究的必要条件，看论文看原版书籍（比如我们耳熟能详的PRML），以及看一些国外名校的生肉或是英字公开课（比如CMU的概率图模型、斯坦福的凸优化），都需要大家具备较好的语言能力。所以，路漫漫，我们一起求索，大家加油～