技术类
机器学习
- 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。
- 推荐系统cookbook。感觉这本书有些落后于时代,大致翻了下。
- 推荐系统实践–项亮。入门好读物。
- Frontiers in Massive Data Analysis。综述型,推荐。
- 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。
- kaggle solution分享。
Python
- python cookbook. 非常推荐。
- 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。
- python for data analysis。了解到pandas,数据分析利器。
- sklearn官方文档。图文并茂,极力推荐。
- 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
- 文明之光(上下),推荐,吴军博士的书质量一如既往。
- 女士品茶。概率论发展史及大牛八卦。
- 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。
- 金字塔原理。
- 思考的艺术
- 如何阅读一本书
- 数理统计简史
公开课
- Andrew Ng的Machine Learing。完成
- 台大的机器学习基石。完成
- Functional Programming Principles in Scala。继续上
- Mining Massive Datasets,正在上
- 機器學習技法 (Machine Learning Techniques)。正在上
互联网资讯
- 咨询:依旧是知乎,目前没有看到什么能替代。
- kaggle,非常好的机器学习学习平台
- cousera,2015能学更多有价值的课程。