2018年，你最需要的机器学习资料整理分享

2017年是机器学习大爆发的一年，互联网巨头公司纷纷提出“ALL IN AI”理念。2018年之初，分享收集的机器学习最权威的资料，新年祝大家沉迷学习不能自拔。

一、机器学习

01.机器学习

斯坦福大学吴恩达老师的Machine Learning应该是最适合机器学习入门的课程了。从2012年开课到今年，这个课程在斯坦福大学已经被挤爆了，也是Coursera平台上最为热门的课程。

吴恩达老师的讲课内容非常适合入门，小编入门也是刷了3遍，分享给大家。

Coursera网站链接：https://www.coursera.org/learn/machine-learning

02.机器学习基石、技法

林老师在coursera上的《基石》和《技法》是非常符合机器学习的思想逻辑的，从用途，可行性开始引入，直到介绍一些复杂的算法，诸如GBDT，RF，SVM甚至deep learning的一些知识。这个我认为适合对机器学习有所了解，并且希望能够弄懂来龙去脉的进阶者来看。

刷完吴恩达老师的机器学习课程后，大家可以通过机器学习基石、技法来更深入的学习机器学习的理论知识。

不知道什么原因，Coursera上已经下架了这个课程。当然，我已经早就下载下来了，在我们的资料中也有。

二、深度学习

01.深度学习

吴恩达《深度学习》（Andrew Ng 《Deep Learning》）专业课程主要有五门课组成：

1.神经网络和深度学习（Neural Networks and Deep Learning）

2.改善深层神经网络：超参数调优，正则化和优化（Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization）

3.构建机器学习项目（Structuring your Machine Learning project）

4.卷积神经网络（Convolutional Neural Networks）

5.自然语言处理（Natural Language Processing: Building sequence models）

Coursera链接：https://www.coursera.org/specializations/deep-learning

网易云中文翻译：http://mooc.study.163.com/smartSpec/detail/1001319001.htm

02.自然语言处理

斯坦福大学在自然语言处理领域的优势十分明显，因此，斯坦福CS224n深度学习与NLP课程也是值得仔细研读的课程。

斯坦福大学主页：http://web.stanford.edu/class/cs224n/

B站中转：http://space.bilibili.com/23852932?spm_id_from=333.338.viewbox_report.7#/channel/detail?cid=11177

结束语

我推荐的资料并不多，都是机器学习领域内最经典的课程，推荐的学习顺序为01-02-03-04。“Less is More”，把时间和精力放在最重要的事情上才能有产出。