理論入門（里面的程序有些問(wèn)題，但理論講得挺好的）
https://www.zybuluo.com/hanbingtao/note/476663

tensorflow編程入門
https://github.com/aymericdamien/TensorFlow-Examples/tree/master/examples

講到了一些比較有深度的原理性、思想性的東西，耗比較多。
手寫了一個(gè)多層感知機(jī)，比較適合深入理解反向傳播，梯度下降這些重要原理：
http://neuralnetworksanddeeplearning.com/

svm:
http://blog.csdn.net/abcjennifer/article/details/7849812/
李航：
李航的統(tǒng)計(jì)學(xué)習(xí)方法

《Pattern Recognition and Machine Learning》
代碼網(wǎng)址：http://url.cn/59KzCA7
代碼內(nèi)容：
導(dǎo)論
概率分布
線性回歸模型
線性分類模型
神經(jīng)網(wǎng)絡(luò)
核方法
講SVM 。
現(xiàn)代基于圖模型
EM 算法
近似推斷
采樣
PCA及一些改進(jìn)
HMM 模型和LDS
集成方法

吳恩達(dá)老師深度學(xué)習(xí)到卷積神經(jīng)網(wǎng)絡(luò)的作業(yè)代碼：
http://pan.baidu.com/s/1kVkUXzp

吳恩達(dá)老師的視頻：
https://www.coursera.org/learn/machine-learning

轉(zhuǎn)載于:https://www.cnblogs.com/wdan2016/p/7921902.html

總結(jié)

以上是生活随笔為你收集整理的机器学习和深度学习资料整理的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。