Appendix I. Keep Learning

推荐书单和课程

⭐: 必读 ✨: 推荐

实践

理论

  1. ⭐《Biological Sequence Analysis:Probabilistic Models of Proteins and Nucleic Acids》 (English | 中文) by Richard Durbin, Sean R. Eddy, Anders Krogh, Graeme Mitchison

  2. 《机器学习》 -- 周志华

机器学习相关书单和课程推荐

edited based on Xiaofan Liu's list

I. 书单

  1. 数学基础 (建议根据自己的基础进行复习)

    1. 《高等数学》

    2. 《线性代数》

    3. 《数理统计与概率论》

  2. 入门书籍 (其中1、2可选一本精读,数学基础好的推荐选2)

    1. 《机器学习》,周志华著 (★★★★★推荐)

    2. 《统计学习方法》,李航著 (★★★★推荐)

    3. 《多元统计分析》,何晓群著

  3. Python编程书籍

    1. 《Python机器学习基础教程》,[德]安德里亚斯·穆勒(Andreas C.Müller,[美]莎拉·吉多(Sarah Guido)著,张亮(hysic)译 (★★★★推荐)

    2. 《python高性能编程》,Micha,Gorelick,戈雷利克,Ian,Ozsvald ...著

  4. 深度学习类书籍 (希望加强对模型数学原理的理解,并且进一步学习深度学习的同学可选读)

    1. 《深度学习[deep learning]》,[美] Ian,Goodfellow,[加] Yoshua,Bengio,[加] Aaron ... 著(★★★★推荐)

    2. 《模式识别与机器学习(Pattern Recognition and Machine Learning)》,Christopher M. Bishop著

    3. 《机器学习:从概率的视角分析(The Machine Learning: A Probabilistic Perspective)》,Kevin P. Murphy著

    注:PRMLMLAPP两本书难度较大

  5. 深度学习编程与实践书籍 (工具类书籍,不是必读) 1. 《Keras深度学习实战》,[意大利]安东尼奥·古利[印度]苏伊特·帕尔著,王海玲李昉译,于立国审 2. 《深度学习入门之PyTorch》,廖星宇著 3. 《深度学习框架PyTorch快速开发与实战》,邢梦来,王硕,孙洋洋著 4. 《TensorFlow实战》,黄文坚,唐源著

II. 在线教学课程和视频

  1. 机器学习入门课程

    1. 浙江大学公开课:概率论与数理统计 (根据自己基础选择复习)

    2. Machine Learning by Andrew Ng 吴恩达 (CS229): @coursera | @网易 | @bilibili (★★★★★推荐)

  2. 深度学习课程

    1. Deep Learning by Andrew Ng 吴恩达 (CS230): @coursera | @bilibili (★★★★推荐)

    2. Keras快速搭建神经网络 (★★★★推荐)