一、學習平台
1. coursera（有很多國內外頂尖高校的前沿課程）；
2. 慕課學院（總結了很多網路平台的資源）；
4. 網易雲課堂（對於有些國外頂尖高校的課程，有對應的中文字幕。而且，有些直播也是不錯的）；
5. 網易公開課；
6. ted（國外的知名學習平台，有很多知名人物的演講）；
8. 多貝（主要是網際網路方面和職場方面的）。
二、機器學習資料
a. 入門
1. coursera上andrew ng的《machine learning》，**：
2. 2023年google新出的機器學習課程：
google機器學習速成課程：
google機器學習實踐：
3. coursera上andrew ng的deeplearning ai的深度學習課程 ，**： arning_ai#/c。
4. 周志華的《機器學習》，也稱西瓜書。可以結合李航的《統計學習方法》一起看。前者內容上有廣度，但不是很深，內容有些粗糙；後者對於機器學習常用的幾種演算法有詳細的理論推導，偏理論。
5. 《**機器學習》，**用matlab編寫。
b. 高階
6. coursera上林軒田的《機器學習基石》和《機器學習技法》，內容較難，需要花時間總結和理解。
7. coursera上 hinton 的neural networks for machine learning，**：
8. 《機器學習實戰》，沒有詳細介紹理論部分，主要介紹用python實現機器學習上的常用演算法，最後也對分布式框架進行了介紹。
9. yoshua bengio主編的《deep learning》書籍。內容很廣，建議學完andrew ng的deeplearning ai的深度學習課程後在進行學習這部分內容。
10. 《prml》，這是高階必備書籍，內容詳細也偏難。
11. 參加kaggle大賽，理論與實際結合，由易到難。還有imagenet大賽，這是計算機視覺方面常用的公開資料集。
機器學習資料推薦
4 pattern recognition and machine learning bishop 700頁 大名鼎鼎的機器學習教材，現在沒有中文版。2008版本，所以文中的內容很有時代性和系統性 7 discrete stochastic processes draft of 2nd editio...
機器學習 提供推薦
計算兩個人的相似度 本來是推薦平均評分較高的作品，考慮到兩個人的愛好相似程度，對評分根據相似度進行加權平均 計算相似度 歐幾里得距離 pearson相關度 critics gene seymour michael phillips claudia puig mick lasalle jack mat...
機器學習 推薦演算法
推薦系統的核心問題是為使用者推薦與其興趣相似度比較高的商品。此時需要乙個函式f x 來計算候選商品與使用者之間的相似度，並向使用者推薦相似度比較高的商品。為了能夠 出函式f x 可以利用的歷史資料主要有 使用者的歷史行為資料 與該使用者相關的其他使用者資訊 商品之間的相似性 文字的描述等等。其中，r...