I. Proposition de livres

Il existe de nombreux livres d'apprentissage. Ceci est un livre utilisant des personnes à utiliser et à se sentir bien. Il vaut mieux que les machines d'apprentissage sont une discipline de domaine croisée, ce n'est donc pas tous des livres d'apprentissage:
"Machine d'apprentissage réelle" Machine d'apprentissage en action [Fleurs Peter] Peter Harington. Le livre traverse les 10 algorithmes les plus courants, fournissant des problèmes de recherche de cas et résolus avec des cas de codes Python. J'aime ce livre, car le code intérieur me donne beaucoup d'aide, lorsque j'ai étudié les algorithmes, beaucoup de choses ne comprennent pas, à travers la pratique du livre, ont également des algorithmes. Plus d'amélioration.
Méthode de statistiques d'apprentissage "LI Hang. Détails du livre Plus de détails sur le principe de l'algorithme, seuls les algorithmes d'étude du niveau théorique. Basé sur ce livre et" réel machine de combat "deux livres, une phrase théorie, une pratique de la phrase pratiquant et aura des effets à mi-temps.
"Concept de données et de technologies minières" Han Jia est. Le livre introduit la technologie générale pour exploiter les données, plus en détail, mais je me sens moins adapté aux débutants. À cette époque, j'ai vu ce livre lorsque j'ai commencé à aller à l'école et de nombreux endroits n'étaient pas très bons, puis ont dépassé la méthode de statistique. Après avoir pratiqué les algorithmes, reportez-vous au revoir "Concept d'exploitation de données et de technologie et de la technologie", il se sent plus que suffisant.
"Beauté des mathématiques" Wu Jun. Ce livre peut être vu dans un livre amateur, vous pouvez le regarder lorsque vous vous ennuyez, mais c'est assez utile.
"Python Computing scientifique" Ce livre peut être utilisé comme livre de références de programme Python, mais le principe est que vous souhaitez utiliser Python et l'aimer, sinon ce livre est toujours assez cher, j'ai également passé le «Graduate Gratuit Projet de sonde "Ce livre acheté, car vous pouvez le rembourser.


II. Outils d'apprentissage
Il existe de nombreux outils pour euxC et seuls certains outils de référence sont répertoriés ici.

Scikit-apprendre. Basé sur la bibliothèque Scikit-Harning de Python, la plupart des algorithmes de classification, la clustering, la régression et ont couramment utilisé des examens et des méthodes pour gérer les données pré-traitées, une bonne bibliothèque d'apprentissage, une introduction forte. Avec un article de blog: quelques bibliothèques d'apprentissage utiles.

L Language R, langue est un outil, la langue R est actuellement en train d'utiliser de nombreuses industries commerciales, puissantes en statistiques et dispose également d'un bon algorithme de code pouvant être utilisé directement. Attaché: R. R. Carte de langue
Weka Il s'agit d'un outil minier de données basé sur Java qui peut l'essayer. Il fournit aux utilisateurs une variété d'API d'excavation, de ligne de commande et d'interface utilisateur graphique. Vous pouvez préparer des données, visualiser, définir une analyse de classification, une régression, des paramètres de modèle de cluster, tout en implémentant d'autres algorithmes via un plugin tiers. En plus de Weka, Mahout est un très bon cadre JavaPour étudier la machine à Hadoop, vous pouvez apprendre de vous-même. Si vous êtes une nouvelle main de machines d'apprentissage et d'apprendre de grandes données, alors respectez Weka et apprenez une bibliothèque sans réserve.

Matlab, il existe de nombreux ensembles d'outils à l'intérieur, mais je ne l'utilise pas beaucoup. Référence: Code MATLAB et ensemble de données pour l'apprentissage de la boîte à outils et des statistiques de fonctionnalités. De plus, Octave dans Matlab peut facilement résoudre des problèmes linéaires et non linéaires, tels que des problèmes liés à la couche inférieure des algorithmes de la machine. Si vous avez un projet, vous pouvez commencer avec cela.

BIGML: Peut-être que vous ne voulez pas programmer. Vous pouvez utiliser des outils comme Weka sans passer le code. En utilisant des services BIGMLS pour créer un travail plus intensif. BIGML fournit une interface d'apprentissage de la machine via le site Web afin de pouvoir créer un modèle via le navigateur.
Si vous utilisez Python, ici, je recommande d'utiliser une version d'IDE, WinPyThon, IDE en version Python, vous choisissez!


Un diagramme de comparaison donné et ce que vous voulez apprendre, vous avez besoin de votre propre choix.

! [Écrivez une image ici] http://img.blog.csdn.net 2015,918075645450



Depuis que je vénère Andrew NG, je vous recommande de regarder la vidéo Dans la machine à la machine de Andrew de l'Université Stanford Andrew NG. Cette vidéo a deux sites Web sur Internet, tout enseignement anglais étranger et national, mondial, très bon contenu, a le temps de vous suggérer:
L'un est un apprentissage de la classe à ouvrir Coursera étrangers, le parcours que la machine d'apprentissage est très chaud et c'est le premier choix pour de nombreuses inscriptions d'échresseurs. Adresse: https://www.coursera.org/; Sectio Adresse: [Stanford CS229 Cours d'incendie et notes] (http://cs229.stanford.edu /);
L'une est une leçon ouverte Néase dans le pays, reliant l'adresse: htt.sau Ceci est une bibliothèque vidéo d'apprentissage vidéo, produite par Caltech, Caltech.

Bibliothèque vidéo, adresse: http://work.caltech.edu/l bibliothèque /

Autres bibliothèques vidéo

Liste de machines d'apprentissage sur le journal, ce site est plus que sur une cassette. Vous pouvez trouver plus de ressources plus d'attention et apprendre profondément.


Machines d'apprentissage récentes en Chine, de nombreuses organisations de formation ont ouvert le cours, si vous souhaitez écouter des instructions chinoises, vous pouvez aller en ligne, vous ne jouez pas ici. Publicité.


. Blogs et articles recommandés

Les grands blogs de bovins vous feront enthousiasmer, vous permettrons de penser que vous n'êtes pas une personne, vous rappelez-vous toujours qu'il y a beaucoup de chercheurs qui vivent devant vous vous attendent, Vous devez encourager. Leur expérience nous permettra d'aller une route, comprenons plus de leurs installations. Voici quelques cadres et quelques articles que je connais, j'ai appris, j'ai appris:

Pluskid, vrai nom Zhang Cheo, une grande technologie de bétail, diplômée de l'université Zhejiang, puis à l'étranger. La post de qualité sur son blog est très cAo, intensive, explication du domaine de trois étages de SVM est attrayante et cela apportera beaucoup à l'inspirer. Ça vaut la peine d'apprendre. Site de blog actuel: Chiyuan Zhang, Blog original Site: Chiyuan Zhang
Rachel Zhang, véritable nom Zhang Rui Khanh, très aérien, un article sœur doux, est maintenant un ingénieur de recherche et de développement, l'apprentissage profond de Baidu, des blogs dans des bases de données sont populaires flexibles Quantités, considérées comme une femme dans le monde informatique. URL de blog: DSDN Blog-Chang

En juillet, l'étude de l'algorithme est unique et est actuellement le fondateur et PDG de la technologie en ligne en juillet. Blog URL: Juillet

Jason, apprentissage des passionnés Machines étrangères, son contenu de blog est Détaillé, de nombreux articles sont traduits par des apprenants de machines nationales. Blog URL: http://machinelearnastery.com/blog/
Blog d'apprentissage de la machine étrangère, introduit des connaissances détaillées d'algorithme, très complète, d'une machine cognitive, d'un réseau nerveux, de la décision des arbres, de la SVM, de Adaboost vientaléatoire, profond comme lkay: un blog d'un ingénieur de personnel

Un article consiste en de nombreux matériaux d'apprentissage de la machine: apprendre et ampli; Informations sur l'apprentissage profond

Edwin Chen, passe-temps des machines d'apprentissage, contenu de blog, y compris les mathématiques, la machine d'apprentissage et la science des données. Partagez l'un des messages de blog: Sélectionnez le classificateur d'apprentissage de la machine
Liste des ressources d'apprentissage scientifique et des machines de données, j'ai le temps de lire et de lire, c'est parfaitement utile pour vous.

Quelques possibilités utiles à savoir sur les machines d'apprentissage, un article d'apprentissage très utile, y compris la simplification des options et des caractéristiques des fonctionnalités.

Discipline des règles d'apprentissage de la machine. Cet article est plus ancien, publié en 2006, l'auteur est Tom Mitchell, mais a une valeur de référence, identifiant les règles d'apprentissage de la machine. Mitchell a également utilisé une partition distincte de la machine à persuader le président de la CMU afin d'établir une unité d'apprentissage distincte depuis cent ans. J'espère que je peux vous aider.
Partagez un site Web:






Si vous souhaitez rechercher plus de nouveaux documents ou articles, vous pouvez rechercher les sites Web suivants, non seulement, y compris les machines d'apprentissage. Contenu, avec de nombreux autres domaines connexes tels que la science des données et l'informatique en nuage.
Infoword: http://www.infoworld.com/reviews/
kdnuggets: http://www.kdnuggets.com
DatasciencLenCral: http://www.dasciencencentral.com/
DATAcuSciencePlus : http://datasciencepleplus.com



À propos de la concurrence de l'analyse des données, des pays nationaux et des pays étrangers, des sites Web de compétition d'incendie recommandent ce qui suit:

Concours de Kaggle, Site Web: https .: //www.kaggle.com/
Concours Datacastle, site Web: http://www.pkbigdata.com/
Les compétitions Ali Skin, aucune nouvelle, 2015 n'a "de grandes données Concours Tianchi 2015


Algorithme de référence liée à ML

Arbre décisif - Référence: arbre décisif (python de déploiement)

Vecteur de support SVM -Référence: PlusKID prend en charge les trois machines vectorielles réelles
Adaboost - Référence: Algorithme de combinaison - Adaboost
Référence aléatoire: algorithme forestier aléatoire
Algorithme de Bayes Simpi - Bayes de référence Mathématiques
Neurénie artificielle - Référence: http: / / www .cnlog. Com / Luxiaoxun / Archive / 2012/12/10 / 2811309.HTML
APRICORI ALGORITHM - Adresse de référence: APIORI ASSOCIATION Analyse

K L'algorithme abstrait la plus proche - Référence: Knn du principe à atteindre

Trea d'ébauche amélioré GTB ALGORITHM - Référence: ARBRE DE GRADIENT SOITEMENT (ou GBRT)
Cluster K-Mouts - Référence: K-Signification
Abstract Combinaison Algorithmes - Référence: Résumé de l'algorithme

Mes attentes - Référence: EM ALGORITHM Régression logistique - Référence: régression logique
Markov Modèle HDDEN HDDEN HDEN, Référence: HMM
Conditions forestières aléatoires et GBDT, se référer à un modèle d'arbre de décision forestier aléatoire et à la sélection de caractères
.Caractéristiques: Caractéristiques Extrait et sélection de fonctionnalités
DropSy de gradient Méthodes, Référence: Ligne de gradient d'origine
Law Newton, Matériel: Newton Law
Analyse de distinction linéaire, Référence: Distance linéaire
Apprentissage profond - Aperçu de l'apprentissage profond : D'une machine cognitive au réseau profond




, alors j'ai posté dans l'article CSDN Cloud computing Traduction, s'il y a un endroit où la traduction est incorrecte, j'espère vous aider, j'espère que j'espère que Pour vous aider, la liste suivante:

2015 -09-14 Déploiement de la LSTM
2015-09-10 Inspinance Mathématiques Mathématiques de 0: Proposition de livres et obstaclesserve
2015-08-31 Moderne Path of Developer Learning Machine: Pas besoin de partir des calculs statistiques
2015-08-27 Sur la base des fonctions de réseau nerveux et d'extrait de Python
2015-08-20, vous devriez maîtriser sept techniques de régression
2015-08 -11 Top 10 Machine d'apprentissage de l'API: AT & AMP; T mots, prédictionsIBM Watson et Google

2015-08-03 de Theeno à Lasagne: Cadre d'apprentissage en profondeur de Python

2015-07-15 Airbnb Scams Design Modèle d'apprentissage: Précision et récupération de milliards d'histoire Le
2015-07-13 Les développeurs ont utilisé avec succès dix 诀



sont un traducteur, pour référence uniquement:

2015- 09-16 Bibliothèque d'apprentissage en profondeur pour différentes langages de programmation
2015-09-11 Guide d'inspection
2015-09-10