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)
Last modified 2yr ago