致力于分享最新最全面的机器学习资料，欢迎你成为贡献者!
-
Python
-
Markdown
- Mastering Markdown - Markdown is a easy-to-use writing tool on the GitHu.
-
R - R Tutorial
-
Python和Matlab的一些cheat sheet：http://ddl.escience.cn/f/IDkq 包含：
- Numpy、Scipy、Pandas科学计算库
- Scikit-learn机器学习库、Keras深度学习库
- Matlab科学计算
- Matplotlib画图
-
机器学习的发展历程及启示, (@Prof. Zhihua Zhang/@张志华教授)
- 斯坦福机器学习入门课程，讲师为Andrew Ng，适合数学基础一般的人，适合入门，但是学完会发现只是懂个大概，也就相当于什么都不懂。省略了很多机器学习的细节
- Stanford CS 229, Andrew Ng机器学习课无阉割版，Notes比较详细
- CMU 10-702 Statistical Machine Learning, 讲师是Larry Wasserman，应该是统计系开的机器学习，非常数学化，第一节课就提到了RKHS(Reproducing Kernel Hilbert Space),建议数学出身的同学看或者是学过实变函数泛函分析的人看一看
- CMU 10-715 Advanced Introduction to Machine Learning，同样是CMU phd级别的课，节奏快难度高
- Coursera上国立**大学林轩田开的两门课：机器学习基石（适合入门），机器学习技法（适合提高）。
- Machine Learning for Data Analysis, Coursera上Wesleyan大学的Data Analysis and Interpretation专项课程第四课。
- Neural Networks for Machine Learning, Coursera上的著名课程，由Geoffrey Hinton教授主讲。
- 斯坦福大学Feifei Li教授的CS231n系列深度学习课程。Feifei Li目前是Google的科学家，深度学习与图像识别方面的大牛。这门课的笔记可以看这里。
- Max Planck Institute for Intelligent Systems Tübingen德国马普所智能系统研究所2013的机器学习暑期学校视频,仔细翻这个频道还可以找到2015的暑期学校视频
- 知乎Live：我们一起开始机器学习吧，机器学习入门之特征工程
-
入门读物 The Elements of Statistical Learning(英文第二版),The Elements of Statistical Learning.pdf
-
机器学习, (@Prof. Zhihua Zhou/周志华教授)
-
统计学习方法, (@Dr. Hang Li/李航博士)
-
- 利用Python进行数据分析.azw3
- 跟老齐学Python：从入门到精通.azw3
- Python与数据挖掘 (大数据技术丛书) - 张良均.azw3
- Python学习手册.azw3
- Python性能分析与优化.mobi
- Python数据挖掘入门与实践_7242.azw3
- Python数据分析与挖掘实战(大数据技术丛书) - 张良均.azw3
- Python科学计算(第2版).azw3
- Python计算机视觉编程 [美] Jan Erik Solem.azw3
- python核心编程(第三版).azw3
- Python核心编程（第二版）.azw3
- Python高手之路 - [法] 朱利安·丹乔（Julien Danjou）.azw3
- Python编程快速上手 让繁琐工作自动化.azw3
- Python编程：从入门到实践.azw3
- Python3 CookBook中文版.mobi
- 终极算法机器学习和人工智能如何重塑世界 - [美 ]佩德罗·多明戈斯.azw3.azw3
- 机器学习系统设计 (图灵程序设计丛书) - [美]Willi Richert & Luis Pedro Coelho.azw3.azw3
- 机器学习实践指南：案例应用解析（第2版） (大数据技术丛书) - 麦好.azw3
- 机器学习实践 测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克（Matthew Kirk）.a.azw3
- 机器学习：实用案例解析 (O'Reilly精品图书系
- 机器学习日报：每天更新学术和工业界最新的研究成果
- 直接pull requests
- 或者到这里留下你的Github账号我们把你加入贡献者列表
- PDF等大文件上传方法：登录 http://ddl.escience.cn 用户名：allmachinelearning@163.com，密码：machine123。登录后，在‘个人空间’中上传，然后将文件（夹）链接共享。
- 之后请在贡献者页面加入自己的信息