clean

Author: jindongwang

README.md

@@ -0,0 +1,362 @@
+# 机器学习资源 Machine learning
+
+
+
+**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!**
+
+
+
+**[Machine learning surveys](https://github.com/metrofun/machine-learning-surveys/)**
+
+
+
+**[快速入门TensorFlow](https://github.com/aymericdamien/TensorFlow-Examples)**
+
+
+
+- - -
+
+
+
+##  预备知识 Prerequisite
+
+
+
+- Python
+
+	- [Learn X in Y minutes](https://learnxinyminutes.com/docs/python/)
+
+	- [Python机器学习互动教程](https://www.springboard.com/learning-paths/machine-learning-python/)
+
+
+
+- Markdown
+
+	- [Mastering Markdown](https://guides.github.com/features/mastering-markdown/) - Markdown is a easy-to-use writing tool on the GitHu.  
+
+
+
+- R
+
+        - [R Tutorial](http://www.cyclismo.org/tutorial/R/)
+
+
+
+- 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
+
+	
+
+- - -
+
+
+
+
+
+## 理论 Theory
+
+
+
+- ### 深度学习 Deep learning
+
+
+
+- ### [强化学习 Reinforcement learning](https://github.com/allmachinelearning/ReinforcementLearning)
+
+
+
+- ### [迁移学习 Transfer learning](https://jindongwang.github.io/transferlearning/)
+
+
+
+- ### [分布式学习系统 Distributed learning system](https://github.com/allmachinelearning/Deep-Learning-System-Design)
+
+
+
+
+
+- - -
+
+
+
+
+
+## 应用 Applications
+
+
+
+- ### 计算机视觉/机器视觉 Computer vision / machine vision
+
+
+
+- ### [自然语言处理 Natural language procesing](https://github.com/Nativeatom/NaturalLanguageProcessing)
+
+
+
+- ### 语音识别 Speech recognition
+
+
+
+- ### 生物信息学 Bioinfomatics
+
+
+
+- ### 医疗 Medical
+
+
+
+- ### [行为识别 Activity recognition](https://github.com/jindongwang/activityrecognition)
+
+
+
+- ### [人工智能(多智能体) Artificial Intelligence(Multi-Agent)](http://ddl.escience.cn/f/ILKI)
+
+
+
+
+
+- - -
+
+
+
+## 文档 notes
+
+
+
+- [综述文章汇总](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/survey_readme.md)
+
+
+
+- [近200篇机器学习资料汇总！](https://zhuanlan.zhihu.com/p/26136757)
+
+
+
+- [机器学习入门资料](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/MLMaterials.md)
+
+
+
+- [MIT.Introduction to Machine Learning](http://ddl.escience.cn/f/Iwtu)
+
+
+
+- [东京大学同学做的人机交互报告](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/FieldResearchinChina927-104.pdf)
+
+
+
+- [人机交互简介](https://github.com/jindongwang/HCI)
+
+
+
+- [人机交互与创业论坛](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92%E4%B8%8E%E5%88%9B%E4%B8%9A%E8%AE%BA%E5%9D%9B.md)
+
+
+
+- [职场机器学习入门](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/%E8%81%8C%E5%9C%BA-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8.md)
+
+
+
+- [机器学习的发展历程及启示](http://mt.sohu.com/20170326/n484898474.shtml), (@Prof. Zhihua Zhang/@张志华教授)
+
+
+
+- [常用的距离和相似度度量](https://github.com/allmachinelearning/MachineLearning/blob/master/notes/distance%20and%20similarity.md)
+
+
+
+- - -
+
+
+
+## 课程与讲座 Course and talk
+
+
+
+- [斯坦福机器学习入门课程](https://www.coursera.org/learn/machine-learning)，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](http://cs229.stanford.edu/materials.html), Andrew Ng机器学习课无阉割版，Notes比较详细
+
+- [CMU 10-702 Statistical Machine Learning](http://www.stat.cmu.edu/~larry/=sml/), 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](https://www.cs.cmu.edu/~epxing/Class/10715/)，同样是CMU phd级别的课，节奏快难度高
+
+- Coursera上国立台湾大学[林轩田](https://www.coursera.org/instructor/htlin)开的两门课：[机器学习基石](https://www.coursera.org/course/ntumlone)（适合入门），[机器学习技法](https://www.coursera.org/course/ntumltwo)（适合提高）。
+
+- [Machine Learning for Data Analysis](https://www.coursera.org/learn/machine-learning-data-analysis), Coursera上Wesleyan大学的Data Analysis and Interpretation专项课程第四课。
+
+- [Neural Networks for Machine Learning](https://www.coursera.org/learn/neural-networks), 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](http://cs231n.stanford.edu/)。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](https://zhuanlan.zhihu.com/p/21930884)。
+
+- 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](https://www.youtube.com/playlist?list=PLqJm7Rc5-EXFv6RXaPZzzlzo93Hl0v91E),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](https://www.zhihu.com/lives/792423196996546560)，[机器学习入门之特征工程](https://www.zhihu.com/lives/819543866939174912)
+
+
+
+- - -
+
+
+
+
+
+
+
+
+
+
+
+## 相关书籍 reference book
+
+
+
+
+
+
+
+- 入门读物 [The Elements of Statistical Learning(英文第二版),The Elements of Statistical Learning.pdf](http://ddl.escience.cn/ff/emZH)
+
+
+
+- [机器学习](https://book.douban.com/subject/26708119/), (@Prof. Zhihua Zhou/周志华教授)
+
+
+
+- [统计学习方法](https://book.douban.com/subject/10590856/), (@Dr. Hang Li/李航博士)
+
+
+
+- [一些Kindle读物](http://ddl.escience.cn/f/IwWE):
+
+
+
+	- 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
+
+
+
+- [Packt每日限免电子书精选](http://ddl.escience.cn/f/IS4a):
+
+
+
+	- Learning Data Mining with Python
+
+	- Matplotlib for python developers
+
+	- Machine Learing with Spark
+
+	- Mastering R for Quantitative Finance
+
+	- Mastering matplotlib
+
+	- Neural Network Programming with Java
+
+	- Python Machine Learning
+
+	- R Data Visualization Cookbook
+
+	- R Deep Learning Essentials
+
+	- R Graphs Cookbook second edition
+
+	- D3.js By Example 
+
+	- Data Analysis With R
+
+	- Java Deep Learning Essentials
+
+	- Learning Bayesian Models with R
+
+	- Learning Pandas
+
+	- Python Parallel Programming Cookbook
+
+	- Machine Learning with R
+
+---
+
+
+
+## 其他 Miscellaneous
+
+
+
+- [机器学习日报](http://forum.ai100.com.cn/)：每天更新学术和工业界最新的研究成果
+
+
+
+- - -
+
+
+
+## 如何加入 How to contribute
+
+
+
+- 直接pull requests
+
+- 或者到[这里](https://github.com/allmachinelearning/MachineLearning/issues/1)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://mega.nz 创建自己的账号，然后可以进行文件共享。原来的公共空间失效了。
+ 
+- 之后请在贡献者页面加入自己的信息
+
+
+
+## 如何开始项目协同合作
+
+[快速了解github协同工作](http://hucaihua.cn/2016/12/02/github_cooperation/)
+
+
+
+[及时更新fork项目](https://jinlong.github.io/2015/10/12/syncing-a-fork/)
+
+
+
+#### [贡献者 Contributors](https://github.com/allmachinelearning/MachineLearning/blob/master/contributors.md)
+
+
+

_config.yml

@@ -0,0 +1 @@
+theme: jekyll-theme-cayman

contributors.md

@@ -0,0 +1,32 @@
+## 贡献者 Contributors
+
+| Contributor | Affiliation |
+| ----------- | ----------- |
+| [Jindong Wang](http://jd92.wang) | 中国科学院计算技术研究所 |
+| [Xiandong QI](https://xiandong79.github.io) | 香港科技大学 |
+| [Youjie Xia](https://youjiexia.github.io) | 上海交通大学 |
+| [Jiapeng Zhang](https://www.zhihu.com/people/jiapengzhang) | 三本大学生 |
+| [Zhigang He](https://github.com/Hochikong) | 暨南大学 |
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+