先立一个书单【flag】，敦促自己温故知新

 

书单来源david mimno副教授给ML新生的建议博文，外加一部分搜罗的书籍

 

学习方式：以书籍查看，习题为辅，代码为最终实现方式，分主题进行今年的学习笔记，立此旗为证。

 

线代 --> 概率统计 -> 机器学习主题

 

不断更新下列书籍的学习资源以及课程等。

 

机器学习方面的书籍

1. Kevin Murphy (Machine Learning)
2. Chris Bishop (Pattern Recognition)
3. Daphne Koller (Probabilistic Graphical Models)
4. David MacKay (Information Theory, Inference and Learning Algorithms)

 

线性代数和概率统计

1. Gilbert Strang (Introduction to Linear Algebra, Calculus)
2. 微积分那个书籍有点旧了，可以看高等微积分课程
3. Timothy Sauer (Numerical Analysis)
4. Gelman, Carlin, Stern and Rubin (Bayesian Data Analysis)
5. Gelman and Hill (Data Analysis using Regression and Multilevel/Hierarchical models)