MachineLearning

• ApacheCN - 学习机器学习群【629470233】
• Machine Learning in Action (机器学习实战) | ApacheCN(apache中文网)
• 电子版书籍：
• — 感谢 大佬 Wizard Zhang 生成的电子书
• 视频已更新完成，如果你觉得有价值，请帮忙点 Star【后续组织学习活动：sklearn、kaggle 和 tensorflow】
• — 视频网站：优酷／bilibili / Acfun ，可直接在线播放。（最下方有相应链接）

• 1.) 机器学习基础
• 2.) k-近邻算法
• 3.)
• 4.) 基于概率论的分类方法：朴素贝叶斯
• 5.)
• 6.) 支持向量机
• 7.)

第二部分 回归

• 8.) 预测数值型数据：回归
• 9.)

• 10.) 使用K-均值聚类算法对未标注数据分组:k-means聚类
• 11.)
• 12.) 使用FP-growth算法来高效发现频繁项集

第四部分 其他工具

• 13.)
• 14.) 利用SVD简化数据
• 15.)

第五部分 项目实战(非课本内容)

• 16.) 推荐系统

• 1.)

第二部分 机器翻译

• 2.) 机器翻译

• 3.1.)
• 3.2.) 篇章分析-内容标签
• 3.3.)

第四部分 UNIT-语言理解与交互技术

• 4.) UNIT-语言理解与交互技术

深度学习(DeepLearning) —— 正在更新迭代

• 1.)

• 2.） 代码位置：src/deeplearning/py2.x or py3.x

• 2017-04-08_第一期的总结

联系方式

项目负责人

• （片刻）

• @jiangzhonglian（片刻）
• （那伊抹微笑）
• @chenyyx（瑶妹）
• （侯法超）
• @mikechengwei（Mike）
• （hello19883）
• @sheepmen（徐鑫）
• （ibe）
• @LeeMoonCh（Arithmetic）
• （Veyron C）
• @Cugtyt（Cugtyt）
• (BBruceyuan)

加入方式

• ApacheCN(apache中文网) 维护更新

  • 加入我们

当然我知道，第一句就会被吐槽，因为科班出身的人，不屑的吐了一口唾沫，说傻X，还评论 Andrew Ng 的视频。。

我还知道还有一部分人，看 Andrew Ng 的视频就是看不懂，那神秘的数学推导，那迷之微笑的英文版的教学，我何尝又不是这样走过来的？？ 我的心可能比你们都痛，因为我在网上收藏过上10部《机器学习》相关视频，外加国内本土风格的教程：7月+小象 等等，我都很难去听懂，直到有一天，被一个百度的高级算法分析师推荐说：《机器学习实战》还不错，通俗易懂，你去试试？？

我试了试，还好我的Python基础和调试能力还不错，基本上代码都调试过一遍，很多高大上的 “理论+推导”，在我眼中变成了几个 “加减乘除+循环”，我想这不就是像我这样的程序员想要的入门教程么？

很多程序员说机器学习 TM 太难学了，是的，真 TM 难学，我想最难的是：没有一本像《机器学习实战》那样的作者愿意以程序员 Coding 角度去给大家讲解！！

很多想入门新手就是被忽悠着收藏收藏再收藏，但是最后还是什么都没有学到，也就是”资源收藏家”，也许新手要的就是 。没错，我可以给你们的一份，因为我们还通过视频记录下来我们的学习过程。水平当然也有限，不过对于新手入门，绝对没问题，如果你还不会，那算我输！！

视频怎么看？

1. 理论科班出身-建议去学习 Andrew Ng 的视频（Ng 的视频绝对是权威，这个毋庸置疑）
2. 编码能力弱 - 建议看我们的《机器学习实战-讨论版》，不过在看理论的时候，看 教学版-理论部分；讨论版的废话太多，不过在讲解代码的时候是一行一行讲解的；所以，根据自己的需求，自由的组合。

循序渐进大体介绍：

干货内容实际操作：MachineLearning(机器学习) 学习路线图