算法的学习，应该做到各个模型之间能够打通，明白其背后数学原理的联系性和统一性。才能真正登堂入室。而不是做一个“调参侠”。
不同的学习资料之间，符号的表达可能各异。看多了，自然就通了。
另外，现实中很多问题，深度学习都无法解决，不要过分神话深度学习。进军深度学习，并不意味着你可以直接跳过传统机器学习理论的学习。
墙外的世界很精彩，但不要被无关紧要的东西吸引了。
一块黑板，一支笔的课程还是看的最舒服。
进来的小伙伴先看这里，这哥们整理的太好了
值得关注的YouTube 帐号
- Data Science Courses
这个老师讲课很清晰，推导很详细，主要讲deep learning的 - Scientific Computing and Artificial Intelligence
- MIT OpenCourseWare
MIT的课程，建议大家把相关的基础课程重新刷一下，国内的课程感觉都太水了 - mathematicalmonk
各种推导的课程 - Ben Lambert
这也是一个各种带着推导的老师
实战
老师
这些老师是我发现，在其主页里可以找到不错的课程和课件的老师
- Sargur N. Srihari
PPT适合配合书本一起看，可以帮助理解和总结。 - Jeff Miller
哈佛的一位老师，讲了挺多课
概念
特征值特征向量
主成分分析
奇异值分解SVD
拉格朗日乘子
约束优化的拉格朗日乘子（KKT）
如何直观形象的理解方向导数与梯度以及它们之间的关系
直观理解梯度，以及偏导数、方向导数和法向量等
What is an isotropic (spherical) covariance matrix?
A geometric interpretation of the covariance matrix
基础
Numerical Methods I CS 357
Statistical Computing Biostat 257
这门课是我导师的朋友主讲的，强烈推荐，语言是Julia，他的讲课内容全都有完整的jupyter notebook，完全可以自学，非常有帮助的一门课。懂得人，一看就知道他的价值了。
线性代数：
MIT 18.06 Linear Algebra 2009
MIT 18.065 Linear Algebra 2018
Khan Academy Linear Algebra
微积分：
MIT 18.01 Single Variable Calculus
Multivariable calculus
概率论：
YouTube Khan Academy Probability
Khan Academy Probability
算法：
Mathematics for Computer Science
Introduction to Algorithms
Analysis and Design of Algorithms
Artificial Intelligence
Machine Learning Summer School 2013 Tübingen
是个机器学习的夏令营，会请很多大牛来讲课
Optimization
机器学习
书籍推荐
- 李航统计学习第二版。
- Pattern Recognition and Machine Learning (PRML)
- Machine Learning：A Probabilistic Prospective (MLaPP)
视频推荐
- MIT, Artificial Intelligence, Fall 2010
MIT的AI算法课 - B站shuhua白板机器学习推导
各种模型新手拈来，up看着还很年轻，功力深厚。 - 徐亦达机器学习2015
- Jeff Miller, Machine Learning, 2014
哈佛的一位老师讲的machine learning课程，全程推导，各种干货 - 贝叶斯课程
- Bishop亲自授课
- 吴恩达2020机器学习
吴恩达的板书有点乱 - Introduction to Machine Learning and Pattern Recognition, CBCSL teaching
看到这种一块大白板的课，就好感爆棚，拿好小板凳，跟着学就对了。 - Introduction to Machine Learning
这种课，看着想让人睡觉 - 林轩田机器学习基石
深度学习
书籍推荐
Neural Networks and Deep Learning by Michael Nielsen 一本在线的书，有原理，有代码
邱老师的神经网络与深度学习 写的很好！
编程练习
习题答案
- Ali Ghodsi, Deep Learning, 2017 这个老师概念讲的很清晰，推导也很详细
- 李宏毅深度学习 讲的比较浅