Appendix I. Keep Learning

📖推荐书单和课程

⭐: 必读 ✨: 推荐

I. Recommended Books

实践：

• ⭐《Bioinformatics Data Skills》by Vince Buffalo

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

II. Recommended on-line Courses

• ⭐Machine Learning by Andrew Ng 吴恩达 (CS229): @coursera | @网易 | @bilibili

III. Recommended Educational Papers

• ✨Educational Papers by Nature Biotech. and PLOS Computational Biology (@evernote)

• ✨Statistics for biologist by Nature

📑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：PRML和MLAPP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)
   3. 李宏毅深度学习2017
   4. 不用博士学位玩转Tensorflow深度学习