机器学习课程学习规划

一、数学基础

微积分

可汗学院公开课：微积分-微分学 http://v.163.com/special/Khan/differentialcalculus.html

概率与统计

可汗学院公开课：概率  http://open.163.com/special/Khan/probability.html 
可汗学院公开课：统计学 http://open.163.com/special/Khan/khstatistics.html

线性代数

可汗学院公开课：线性代数 http://open.163.com/special/Khan/linearalgebra.html

PS: 网易的可汗学院的公开课，是用英文讲的，有中文字母，对英语不好的我来说太幸福，再到大学二手书摊上淘几本教材和习题，把数学基础牢牢地打扎实了。

二、机器学习理论

机器学习基础（Machine Learning Foundations） https://www.coursera.org/

机器学习技法 (Machine Learning Techniques) https://www.coursera.org/

国立台湾大学林軒田教授的公开课，网站 提供视频课件下载 还有练习题

三、机器学习实战

语言：python

参考书：机器学习实战.pdf

Python 机器学习工具库：

numpy Python中最流行的一个数值计算库，主要实现矩阵数据结构及相关运算，能进行与Matlab类似的各类操作。同时在实现上进行了优化，在使用向量化计算的前提下，可以使得Python中相关运算的速度提到极大提高。

matplotlib 绘图工具包，能够直接产生图像，或导出成各类文件。用于科学计算中的制图。

scipy 各类经典科学计算相关工具函数的集合。

numexpr 编译numpy的表达式，生成速度更快的编译代码。

sympy 数学符号计算，求导，求积等。

theano 一个适合于机器学习各类优化问题实现的库，能够进行符号求导。最重要的是会将函数内部编>译为高速的C函数，且可进行GPU计算。

scikit-learn 各类经典机器学习算法的实现。