技术类

机器学习

  1. Pattern Recognizition and Machine Learning. 目前完成前四章，还没有完全吸收，希望2015的成长能够顺利吸收这本书的知识。
  2. 推荐系统cookbook。感觉这本书有些落后于时代，大致翻了下。
  3. 推荐系统实践–项亮。入门好读物。
  4. Frontiers in Massive Data Analysis。综述型，推荐。
  5. The Elements of Statistical Learning : Data Mining, Inference, andPrediction。当做工具书，还没有读多少，先把PRML搞定。
  6. kaggle solution分享。

Python

  1. python cookbook. 非常推荐。
  2. 廖雪峰的python教程. 简洁概要，实战内容有难度，很适合提供自己编程水平。
  3. python for data analysis。了解到pandas，数据分析利器。
  4. sklearn官方文档。图文并茂，极力推荐。
  5. pandas官方文档。例子丰富，入门先推荐10min那篇。

R

粗略看了写文档。

非技术类

  1. 文明之光（上下），推荐，吴军博士的书质量一如既往。
  2. 女士品茶。概率论发展史及大牛八卦。
  3. 英语语法俱乐部–施元佑。大力推荐，介绍语法的来龙去脉。以前太不看重语法，阅读和写作的瓶颈。
  4. 金字塔原理。
  5. 思考的艺术
  6. 如何阅读一本书
  7. 数理统计简史

公开课

  1. Andrew Ng的Machine Learing。完成
  2. 台大的机器学习基石。完成
  3. Functional Programming Principles in Scala。继续上
  4. Mining Massive Datasets，正在上
  5. 機器學習技法 (Machine Learning Techniques)。正在上

互联网资讯

  1. 咨询：依旧是知乎，目前没有看到什么能替代。
  2. kaggle，非常好的机器学习学习平台
  3. cousera，2015能学更多有价值的课程。