我认为我所知道的最好的是:
斯坦福大学的机器学习讲座
书籍:(按照易于理解的顺序排列 - 恕我直言)
机器学习:Stephen Marsland的算法视角
Christopher Bishop的模式识别和机器学习
机器学习简介 - Ethem Alpaydin
通过'帖子'我会假设你的意思是在线提供任何资源。
我推荐两组资源:
首先,找到 的 机器学习博客 强> 其中博主的首选语言与您的语言相同。根据我的经验,在阅读作者的博客文章提供的源代码的同时阅读关于单个主题(例如,SVM)的博客文章是关于程序员学习ML的最佳方式。博客有几个很好的例子 闻到数据 (Python),和 Igvita (红宝石)。两者都包含(至少)几个帖子,每个帖子都描述了教程式的特定ML技术,其中包括他们(已发布)源代码的详细演练。特别是Igvita,有很好的教程,可以使用Ruby代码 支持向量机,决策树,奇异值分解和集合方法 - 就像我提到的另一个博客一样,高级本科课程可以仅根据博客中的ML帖子进行教学。
其次,我强烈推荐 VideoLectures.net 。
这是迄今为止最好的来源 - 无论是免费的还是付费的 - 我找到了非常高的质量(无论是w / r / t视频质量还是w / r / t演示内容) 的 关于机器学习的视频讲座和教程 强> 。这些视频讲座的目标受众范围从初学者(一些讲座被特别标记为“教程”)到专家;他们中的大多数似乎都在中间的某个地方。
所有的讲座和辅导都是向经验丰富的专业人士和学者讲授的,在很多情况下,讲师是他/她讲课的主要权威。该网站也是100%免费的。
一个缺点是你不能下载讲座并将它们存储在例如itunes;但是,几乎每个讲座都有一组幻灯片供您下载(或者,您可以方便地在观看演示时在线查看)。
我看过的一些,我可以高度推荐:
半监督学习方法
机器学习简介
高斯过程基础
图形模型
k-最近邻模型
内核方法简介
机器学习是一个如此广泛的话题。我会先说 维基百科 并专注于你感兴趣的领域。
另外,你可以访问 用于机器学习的堆栈交换站点 。
斯坦福大学出版了一系列工程课程的视频和材料 http://see.stanford.edu
Andrew Ng的一门课程侧重于机器学习技巧 http://see.stanford.edu/see/courseinfo.aspx?coll=348ca38a-3a6d-4052-937d-cb017338d7b1
该课程也可在iTunes U上找到
对于一个明显了解该领域的人来说,这是一个非常好的过程,但是他花了很多时间来得出数学结果 - 所以如果你的线性代数或概率/统计数据生锈,你可能需要先进行复习。