微信公众号
关键字全网搜索最新排名
【机器学习算法】：排名第一
【机器学习】：排名第二
【Python】：排名第三
【算法】：排名第四
源 | DL4J
文末获取电子版下载方式
本篇文章写给走在深度学习大门前徘徊以及正在深度学习的康庄大道上前行的小伙伴，希望可以助你一臂之力。
写在前面的，之前推送过的
资源 | 26份机器学习视频资源，涵盖入门->中级->项目的各个阶段！（可直接下载......）
里面分享给大家一些列的学习视频，包含的东西多且杂，没有形成学习的先后顺序。本篇文章是基本按照学习的先后顺序进行写的。其次，每个人的学习习惯不一样，本文只是给以一个学习的建议，具体学习根据自己的习惯进行，欢迎大家留言区分享自己的学习经历，勿喷~

具体的入门方式取决于你已经掌握的知识。要理解并应用深度学习，必须先掌握线性代数、微积分和统计学，还应当具备编程及机器学习的知识。
以下是相关学习资源的列表。本文中的段落大致按学习的顺序排列。可能部分链接的访问需翻墙！
春节还在学习的你简直就是一股清流

好东西要分享哈
欢迎投至朋友圈
免费的机器学习和深度学习网络课程
Coursera上的机器学习课程，Andrew Ng主讲
https://www.coursera.org/learn/machine-learning/home/info（可下载）
Coursera上的神经网络课程，Geoff Hinton主讲
https://www.coursera.org/learn/machine-learning/home/info（可下载）
MIT人工智能导论，Patrick Winston主讲（供希望了解人工智能概况的用户参考。）
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/
斯坦福卷积神经网络课程，Andrej Karpathy主讲（供希望了解图像识别的用户参考。）
https://cs231n.github.io/（可下载）
ML@B: 机器学习课程 1
https://ml.berkeley.edu/blog/2016/11/06/tutorial-1/
ML@B: 机器学习课程 2
https://ml.berkeley.edu/blog/2016/12/24/tutorial-2/
数学
理论: 通过可视化介绍概率和统计学
http://students.brown.edu/seeing-theory/
吴恩达第六课程：线性代数
https://www.youtube.com/playlist?list=PLnnr1O8OWc6boN4WHeuisJWmeQHH9D_Vg
Khan 学院的线性代数课程
https://www.khanacademy.org/math/linear-algebra
线性代数和机器学习; Patrick van der Smagt
https://www.youtube.com/watch?v=ZumgfOei0Ak
美国卡耐基梅隆大学的>线性代数
https://www.cs.cmu.edu/~zkolter/course/linalg/outline.html
机器学习的数学
https://www.umiacs.umd.edu/~hal/courses/2013S_ML/math4ml.pdf
沉浸线性代数
http://immersivemath.com/ila/learnmore.html
概率秘籍
https://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf
最好的线性代数书
https://begriffs.com/posts/2016-07-24-best-linear-algebra-books.html
解密马可夫链
http://setosa.io/ev/markov-chains/
机器学习MCMC介绍
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.13.7133&rep=rep1&type=pdf


编程
如果您还未掌握如何编程，建议从Python或Ruby的开始，学习这两种语言更容易掌握编程的基本理念。
《笨办法学Python》
https://learnpythonthehardway.org/
慢慢一步一步学习Python
https://learnpythonthehardway.org/
Pyret: Python学习环境
https://www.pyret.org/
Scratch:麻省理工学院的视觉编程环境
https://scratch.mit.edu/
《Learn to Program (Ruby)》
https://pine.fm/LearnToProgram/
命令行入门教程
https://learncodethehardway.org/unix/
命令行补充教程
https://www.learnenough.com/command-line-tutorial
Vim教程与基础知识（Vim是一种基于命令行的编辑器。）
https://danielmiessler.com/study/vim/
计算机科学导论（哈佛edX课程CS50）
https://www.edx.org/course/cs50s-introduction-computer-science-harvardx-cs50x
《计算机基本原理浅析》
https://marijnhaverbeke.nl/turtle/
原文地址：https://deeplearning4j.org/cn/deeplearningforbeginners.html
春节还在学习的你简直就是一股清流

好东西要分享哈
欢迎投至朋友圈
近期热文
资源 | 26份机器学习视频资源，涵盖入门->中级->项目的各个阶段！（可直接下载......）
机器学习（37）之矩阵分解在协同过滤推荐中的应用
资料 | 美图区域链白皮书（附PDF链接）
手册 | Linux 运维人员最常用 150 个命令汇总
机器学习(36)之协同过滤典型算法概述【精华】
机器学习(35)之PrefixSpan算法原理详解
2017年度盘点：Github上十大有趣的机器学习项目（文末有惊喜......）
加入微信机器学习交流群
请添加微信：guodongwe1991
备注姓名-单位-研究方向
广告、商业合作
请添加微信：guodongwe1991
（备注：商务合作）
回复关键词
20180220
即可下载电子版
继续阅读
阅读原文