V2er 的机器学习/深度学习/神经网络等等，总之这些相关的知识是从哪开始学习的？有没有值得推荐的入门视频或者书籍列举一下？

• 資深大佬 : lwh0328

  http://neuralnetworksanddeeplearning.com/

• 資深大佬 : YadongZhang

  Coursera 吴恩达

• 資深大佬 : jmc891205

  fast.ai

• 資深大佬 : geekaven

  https://developers.google.com/machine-learning/crash-course/

• 資深大佬 : jeremyww

  一个比较经典的入门课程是 Andrew Ng 的 ML 课程吧，在 coursera 和网易云课堂都有，这两个平台上的课都比较老了当然内容完全没差。现在 YouTube 上面也有 18spring 的 Stanford cs229 了，也是 Andrew ng 的课，比较新而且也很好。

• 主 資深大佬 : silencht

  感谢几位回答，都是很好的资源 ：）

• 資深大佬 : Jooooooooo

  建议找个研究生的课本

  不过前提是数学基础够了, 包括线性代数, 矩阵论等等
• 資深大佬 : WhoMercy

  花书《深度学习》，西瓜书《机器学习》

• 資深大佬 : shenfu1991

  正在学习，之前看看书，发现自学能力不是很好，或者说书上一些基础的东西没讲清楚，目前在看视频，发现简单很多。看个人情况

• 資深大佬 : Hsinyao

  西瓜书真的是给自学的人看的吗？从头到尾大水漫灌堆砌数学公式，典型的国产教材风格，我很讨厌。

  视频的话吴恩达的 ML 课程就不错，在 coursera 上还可以给编程作业打分。

  书本的话实战派有一个 hands-on machine learning with scikit-learn and tensorflow，理论派有一个 an introduction to statistical learning，都是适合新人入门的教材。

• 資深大佬 : p2pCoder

  如果是入门，可以看 《动手深度学习》
  如果要真正做算法工程师，还是建议 花书 西瓜书，即使看过了 《动手深度学习》或者某些 python 机器学习书籍，或者某些机器学习相关视频，最终要真正理解 并做算法工程师的工作，还是要懂把这些难啃的理论啃下

  当然机器学习落地是极其庞大的工程，算法只是其中一部分，而且算法工程师做数据和特征的远多于做模型的，主如果真的有做这方面的打算，建议可以从 数据分析 数据挖掘做起，这些学习的门槛低些

  最好的入门方式，是有机会做相关的业务，我 17 年也看过 理论基础，学过 tf，然而几乎就是啥都没懂，学了就忘了，这两年做推荐引擎 机器学习平台，才算真正学懂了些，不过整体还是偏工程

• 主 資深大佬 : silencht

  谢谢上面 V 友们的帮助与指路！！！太热心了！！么么哒！！：）

• 資深大佬 : ipwx

  @Hsinyao 数学公式不是问题，问题是没有讲透。

  我个人的学习路径是 “Deep Learning” 和 “Pattern Recognition and Machine Learning” 交叉看，期间补习微积分、概率论和线性代数，然后看懂了。