晒出你见过最好的”机器学习“资源！有没有优秀经管资源，是牛人和弱逼的最大区别！

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

• 都说时间就是金钱
• 在这个信息严重超载的年代
• 对经管专业的小伙伴来说
• 用最短的时间掌控最优秀、最牛逼、最好用的经管资源
• 学习曲线从平行线，玩成飞扬的上升曲线
• 屌丝逆袭为学霸！
• 这事儿最酷、最值！！
  

现在，是时候晒出你压箱底、压脑底、压心底的好货了！

每人分享一个，每人抱走100个经管资源

与其一个人苦哈哈四处寻觅，不如抱团取暖点石成金

十年了，你没看错！

论坛有800万会员啦！牛人千千万、高手万万千，潜伏的达人就更不必多说了……

现在！我们也觉得，这是发起史上最大经管资源众筹会的最好时机了！

我们想用价值交换的加法，为每位小伙伴带来资源倍增、效率倍增的乘法

让每位小伙伴最好能够抱走1000个有价值的资源，逼格瞬间提至满格！

这项活动的持续时间为1年，参与人数将是论坛的800万小伙伴，覆盖微信、微博的小伙伴

活动期间，每期将分享1-3个种类或门类的的经管资源

今天是活动的第一天，具体来说，参与方式是酱紫滴：

__________________________________________________________________________________________________________

1.    第一期资源分享的主题是我心中”机器学习“、”EDW企业数据仓库“、”风险建模“方面（任选）的最优秀的学习资料。可以是你看过的，听过的，如果是你自己用过的，还能评价一二，那就太完美了！

2.    直接回复本活动贴，晒出您的资源【每人至少贡献一个优秀资源,如果你有N个，那太好了，我们找的就是您这样的人儿！】

------您所分享的经管资源的品种可以是优秀的图书、网址、研报、数据、讲义、笔记、文字资料、视频资料等等。

    每期将视资源的质量与评价，开出一等奖1名（500论坛币）+二等奖2名（300论坛币）+三等奖3名（300论坛币）

3.    资源共享活动征集期间，我们将持续汇总整理、筛选优选后，分享给所有人。【界时会直接在本贴发布汇总的资源信息，敬请留意！】

4.    您也可以加入“优秀经管学习资源共享”群180710949，每周群分享不少于15个优秀经管资源

5.    每个月我们会发布“优秀经管资源月报“，分享不少于30个优秀经管资源，坚持三个月参与分享的小伙伴，还可另外获得论坛独家电子学习资源1份。

6.    坚持六个月参与经管资源分享的积极小伙伴，有获得VIP会员/八折购买论坛课程的惊喜哦

有品质的学习，一定是伴随着最好、最优质的资源的

在这个信息超载的时代，获取真正有价值的资源正变得越来越难

摒除经管资源的围墙，大开资源的脑洞

速来抢座儿！用你的一个资源，换来你的100个和1000个吧！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏70 回帖

关键词：机器学习 有没有 最好的 时间就是金钱 500论坛币 资源

不错的活动是该把资源都分享出来啦！
我也来说一个吧！我心中最好的”机器学习“的图书，有这么几本，另外，期待楼主赶紧凑到100个经管资源，分享给大伙儿吧
《Mining of Massive Datasets》（《大数据》）
作 者Anand Rajaraman[3]、Jeffrey David Ullman，Anand是Stanford的PhD。这本书介绍了很多算法，也介绍了这些算法在数据规模比较大的时候的变形。但是限于篇幅，每种算法都 没有展开讲的感觉，如果想深入了解需要查其他的资料，不过这样的话对算法进行了解也足够了。还有一点不足的地方就是本书原文和翻译都有许多错误，勘误表比 较长，读者要用心了。
《Data Mining: Practical Machine Learning Tools and Techniques》（《数据挖掘：实用机器学习技术》）
作者Ian H. Witten 、Eibe Frank是weka的作者、新西兰怀卡托大学教授。他们的《ManagingGigabytes》[4]也是信息检索方面的经典书籍。这本书最大的特点 是对weka的使用进行了介绍，但是其理论部分太单薄，作为入门书籍还可，但是，经典的入门书籍如《集体智慧编程》、《智能web算法》已经很经典，学习 的话不宜读太多的入门书籍，建议只看一些上述两本书没讲到的算法。
《机器学习及其应用》
周志华、杨强主编。来源于“机器学习及其应用研讨会”的文集。该研讨会由复旦大学智能信息处理实验室发起，目 前已举办了十届，国内的大牛如李航、项亮、王海峰、刘铁岩、余凯等都曾在该会议上做过讲座。这本书讲了很多机器学习前沿的具体的应用，需要有基础的才能看 懂。如果想了解机器学习研究趋势的可以浏览一下这本书。关注领域内的学术会议是发现研究趋势的方法嘛。
《Managing Gigabytes》（深入搜索引擎）
信息检索不错的书。
《Modern Information Retrieval》
Ricardo Baeza-Yates et al. 1999。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。

      第一期资源分享的主题是我心中”机器学习“、”EDW企业数据仓库“、”风险建模“，这三个方面都是偏向技术的，相对来说，风险建模可能资料较多，但是练习数据却不多，风险数据比较敏感嘛。相对来说机器学习的话，资料多，练习数据也多。
      如果是新手，想学机器学习之一类的，我觉得可以直接看书，里面的复杂符号可以让你马上想睡...  可以报个网课学一下，现在网课很多，譬如CDA、小象学院、七月在线、天善智能等机构，当然CDA在这块经验丰富；


      如果你有底子，直接去斯坦福公开课，吴恩达老师的中文版也有，http://open.163.com/special/opencourse/machinelearning.html


      机器学习理论内容学起来不复杂，但是如何实现这个需要更多练习，挑一款实现软件，网上搜一下实现博客就行。网上不同软件不同实现的博客很多很多，一搜一大把。


      当然还有推荐我自己的小博客啦~  ：http://blog.csdn.net/sinat_26917383/article/category/6093536

造福坛友的好活动，我推荐的是机器学习方面的几本书，供大家参考。


1.《数学之美》  


作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。


2.《Programming Collective Intelligence》（《集体智慧编程》）         


这本书最大的优势就是里面没有理论推导和复杂的数学公式，是很不错的入门 书。目前中文版已经脱销，对于有志于这个领域的人来说，英文的pdf是个不错的选择，因为后面有很多经典书的翻译都较差，只能看英文版，不如从这个入手。 还有，这本书适合于快速看完，因为据评论，看完一些经典的带有数学推导的书后会发现这本书什么都没讲，只是举了很多例子而已。


3.《Algorithms of the Intelligent Web》（《智能web算法》）


作者Haralambos Marmanis、Dmitry Babenko。这本书中的公式比《集体智慧编程》要略多一点，里面的例子多是互联网上的应用，看名字就知道。不足的地方在于里面的配套代码是 BeanShell而不是python或其他。总起来说，这本书还是适合初学者，与上一本一样需要快速读完，如果读完上一本的话，这一本可以不必细看代 码，了解算法主要思想就行了。


4.《统计学习方法》


作者李航，是国内机器学习领域的几个大家之一，曾在MSRA任高级研究员，现在华为诺亚方舟实验室。书中写了十个算法，每个算法的介绍都很干脆，直接上公 式，是彻头彻尾的“干货书”。每章末尾的参考文献也方便了想深入理解算法的童鞋直接查到经典论文；本书可以与上面两本书互为辅助阅读。


5.《Machine Learning》（《机器学习》）


作 者Tom Mitchell是CMU的大师，有机器学习和半监督学习的网络课程视频。这本书是领域内翻译的较好的书籍，讲述的算法也比《统计学习方法》的范围要大很 多。据评论这本书主要在于启发，讲述公式为什么成立而不是推导；不足的地方在于出版年限较早，时效性不如PRML。但有些基础的经典还是不会过时的，所以 这本书现在几乎是机器学习的必读书目。

发现网易云课堂有两个免费的机器学习视频课程：
斯坦福大学公开课：机器学习课程
http://open.163.com/special/opencourse/machinelearning.html

加州理工学院公开课：机器学习与数据挖掘
http://open.163.com/special/opencourse/learningfromdata.html

过来学习下

暂时还没想好。。。。[shy]

数据挖掘：概念与技术（原书第3版）

本书完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。
本书是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。

机器学习周志华
它是一本和Tom M. Mitchell那本Machine Learning具有一样重大意义的书。很有可能，它会成为一本中国无数Machine Learning热爱者的启蒙教材。

多的很

现在资源泛滥了。不过有经验的使用推荐 ，就显得更有价值了