机器学习领域的学习资源总结：
频率派 —— 统计机器学习
贝叶斯派 —— 概率图模型
参考书推荐：
1.李航 《统计学习方法》
第一版：感K朴决逻，支提E隐条 ————> 统计机器学习
第二版：增加大量无监督学习算法，包括，聚类、奇异值分解、主成分分析、潜在语义分析、MCMC、LDA、PageRank等
2.周志华 《机器学习》西瓜书
3.PRML《模式识别与机器学习》
主要是以贝叶斯的角度：
回分神核稀，图混近采连 顺 组
4.MLAPP 《以概率的视角去看机器学习》
百科全书似的，主要以贝叶斯角度
5.ESL《统计学习的基本元素》
主要以频率派的角度阐述，倾向性比较明显
6.Deep Learning 《深度学习》圣经 张志华团队翻译
视频资料：
1.台湾大学：林轩田
1）机器学习基石：VC Theory、正则化、线性模型等。（非常精彩）
2）机器学习技法：SVM、决策树、随机森林、神经网络、DeepLearning等算法模型。
2.张志华：
1）机器学习导论：主要是以频率派的角度阐述
2）统计机器学习：主要讲统计上的一些理论，以贝叶斯的角度阐述，偏数学方面。
3.Ng:CS229 斯坦福大学2017
4.徐亦达：
阐述一些列概率模型，EM、MCMC、Calman Filter，粒子滤波，狄利克雷过程。深度很深不多。
GitHub ——> notes 很全！链接地址：
5.台湾大学：李宏毅
1）机器学习（2017）CNN、DNN
2）MLDS（2018）优化、正则化、实践优化、自然语言处理等
6.白板机器学习视频
视频地址：
笔记：https://github.com/shuhuai007/Machine-Learning-Session
数学基础：
王维克，数学之旅，宏观层面理解，不涉及具体公式推导。 https://www.bilibili.com/video/BV1u7411A7Pb?p=2