1.绪论——学习资料介绍

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》
感K朴决逻，支提E隐条 ————> 统计机器学习

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！

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