来自：龙心尘 - CSDN博客
作者： 龙心尘 && 寒小阳
时间：2016年2月
出处：http://blog.csdn.net/longxinchen_ml/article/details/50749614
http://blog.csdn.net/han_xiaoyang/article/details/50759472
4.1 入门资源
首先coursera（https://www.coursera.org/）是一个非常好的学习网站，集中了全球的精品课程。上述知识学习的过程都可以在上面找到合适的课程。也有很多其他的课程网站，这里我们就需要学习的数学和机器学习算法推荐一些课程(有一些课程有中文字幕，有一些只有英文字幕，有一些甚至没有字幕，大家根据自己的情况调整，如果不习惯英文，基础部分有很多国内的课程也非常优质)：
微积分相关
Calculus: Single Variable （https://www.coursera.org/learn/single-variable-calculus）
Multivariable Calculus（http://ocw.mit.edu/courses/mathematics/18-02sc-multivariable-calculus-fall-2010/）
线性代数
Linear Algebra（http://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/）
概率统计
Introduction to Statistics: Descriptive Statistics（https://www.edx.org/course/introduction-statistics-descriptive-uc-berkeleyx-stat2-1x）
Probabilistic Systems Analysis and Applied Probability（http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-041-probabilistic-systems-analysis-and-applied-probability-fall-2010/）
编程语言
Programming for Everybody:Python（https://www.coursera.org/learn/python）
DataCamp: Learn R with R tutorials and coding challenges:R（https://www.datacamp.com/）
机器学习方法
Statistical Learning(R) （https://lagunita.stanford.edu/courses/HumanitiesandScience/StatLearning/Winter2015/about）
machine learning（https://www.coursera.org/learn/machine-learning）：强烈推荐，Andrew Ng老师的课程
机器学习基石（https://www.coursera.org/course/ntumlone）
机器学习技术（https://www.coursera.org/course/ntumltwo）：林轩田老师的课相对更有深度一些，把作业做完会对提升对机器学习的认识。
自然语言处理（https://class.coursera.org/nlp/lecture）:斯坦福大学课程
日常阅读的资源
@爱可可-爱生活的微博（http://weibo.com/fly51fly?from=myfollow_all）
机器学习日报的邮件订阅（http://ml.memect.com/）等。
4.2 进阶资源
有源代码的教程
scikit-learn（http://scikit-learn.org/stable/auto_examples/index.html）中各个算法的例子
《机器学习实战》 有中文版，并附有python源代码。
《The Elements of Statistical Learning (豆瓣)》（http://book.douban.com/subject/3294335/） 这本书有对应的中文版：《统计学习基础 (豆瓣)》（http://book.douban.com/subject/1152126/）。书中配有R包。可以参照着代码学习算法。网盘中有中文版。
《Natural Language Processing with Python (豆瓣)》（http://book.douban.com/subject/3696989/） NLP 经典，其实主要是讲 python的NLTK 这个包。网盘中有中文版。
《Neural Networks and Deep Learning》（http://neuralnetworksanddeeplearning.com/） Michael Nielsen的神经网络教材，浅显易懂。国内有部分翻译，不全，建议直接看原版。
图书与教材
《数学之美》：入门读起来很不错。
《统计学习方法 (豆瓣) 》（http://book.douban.com/subject/10590856/）：李航经典教材。
《Pattern Recognition And Machine Learning (豆瓣) 》（http://book.douban.com/subject/2061116/）：经典中教材。
《统计自然语言处理》自然语言处理经典教材
《Applied predictive modeling》：英文版，注重工程实践的机器学习教材
《UFLDL教程》（http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B）：神经网络经典教材
《deeplearningbook》（http://www.deeplearningbook.org/）:深度学习经典教材。
工具书
《SciPy and NumPy (豆瓣) 》 （http://book.douban.com/subject/10561724/）
《Python for Data Analysis (豆瓣) 》作者是Pandas这个包的作者（http://book.douban.com/subject/10760444/）
其他网络资料
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总（http://blog.csdn.net/zhongwen7710/article/details/45331915）: 作者太给力，量大干货多，有兴趣的同学可以看看，博主至今只看了一小部分。
