入门机器学习，看这些材料就够了

摘要：作者微信号微信公众号博客地址现在网上有很多的机器学习材料，让人一下子看不过来。在我看来，多种类型的文件学习对自己是由帮助的。作者微信号博客地址是一个专注于算法实战的平台，从基础的算法到人工智能算法都有设计。

作者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai
博客地址：http://www.jianshu.com/p/5084...

现在网上有很多的机器学习材料，让人一下子看不过来。所以，我一直想写这篇文章，来帮助大家整理一些简单的资源。

我推荐的资源包括但不限于书籍，课程，讲座，博客和一些 Jupyter 笔记。在我看来，多种类型的文件学习对自己是由帮助的。但一次性看的太多可能会让你非常不适应。为了解决这个不适应，我建议每天学习几小时是一个比较好的方案。比如：

对一本编程书和源码阅读 1-2 小时；

看一小时左右的课程或者读论文；

选取 1-2 篇比较好的博客进行阅读；

接下来，让我们看看这个简短的学习材料列表：

1.1 Machine Learning with Python，来自 CognitiveClass.ai

1.2 Intro to Machine Learning，来自 Udacity

1.3 Machine Learning，来自 Udacity

1.4 Principles of Machine Learning，来自 EDX

1.5 Machine Learning Crash Course，来自 Berkeley

2.1 Python for Data Analysis – Wes Mckiney

2.2 Python Machine Learning – Sebastian Raschka

2.3 Introduction to Machine Learning with Python – Andreas Muller and Sarah Guido

跟着本书配套的，还有一个 YouTube 视频，请点击这里。

2.4 书籍列表，来自 Github

3.1 Luis Serrano –A friendly Introduction to Machine Learning

3.2 Roshan – Machine Learning – Video Series

3.3 Machine Learning with Scikit-Learn (Scipy 2016) – Part 1 and Part 2

3.4 Machine Learning with Python – Sentdex Playlist

3.5 Machine Learning with Scikit-Learn – Cristi Vlad Playlist

3.6 Machine Learning APIs by Example – Google Developers

3.7 Practical Introduction to Machine Learning – Same Hames

3.8 Machine Learning Recipes – with Josh Gordon

4.1 Machine Learning 101 – from BigML

4.2 Learning Machine Learning – EliteDataScience

4.3 Top-down learning path: Machine Learning for Software Engineers

4.4 Machine Learning Mastery – by Dr. Jason Brownlee

请记住，为了更好的学习，我建议你一次不要学习太多的知识，每天话几小时就好了，然后请记住一点，好好享受睡觉，良好的睡眠对学习至关重要。

作者：chen_h
微信号 & QQ：862251340
博客地址：http://www.jianshu.com/p/5084...

CoderPai 是一个专注于算法实战的平台，从基础的算法到人工智能算法都有设计。如果你对算法实战感兴趣，请快快关注我们吧。加入AI实战微信群，AI实战QQ群，ACM算法微信群，ACM算法QQ群。长按或者扫描如下二维码，关注 “CoderPai” 微信号（coderpai）