在网上，我们可以找到大量的学习资源，其中不乏几十GB的内容。然而，由于时间有限，很难将所有内容都浏览一遍。因此，这里提供一些我认为较为优秀的学习资源，供初学者参考。如果你已经有了一定的基础，不妨尝试一些实战项目来提升自己的技能。

数学基础：微积分、线性代数、统计学

微积分

• 可汗学院公开课：微积分 - 微分学 可汗学院提供了丰富的在线课程，包括微积分中的微分部分。链接如下： 可汗学院公开课：微积分 - 微分学

线性代数

• 《沉浸式线性代数》 通过互动式的图形展示，帮助你更好地理解和掌握线性代数中的抽象概念。链接如下： 《沉浸式线性代数》
• 可汗学院公开课：线性代数 另一个优质的资源来自可汗学院的线性代数课程。链接如下： 可汗学院公开课：线性代数
• 麻省理工公开课：线性代数 麻省理工学院也提供了高质量的线性代数课程。链接如下： 麻省理工公开课：线性代数

统计学

• 可汗学院公开课：统计学 可汗学院还提供了统计学方面的课程。链接如下： 可汗学院公开课：统计学
• 可汗学院公开课：概率 另外还有概率论的相关课程。链接如下： 可汗学院公开课：概率

机器学习入门课程

Andrew Ng《Machine Learning》

• 吴恩达的机器学习课程 吴恩达教授在Coursera上开设的机器学习入门课程是非常受欢迎的，推荐大家尝试。链接如下： Andrew Ng《Machine Learning》

林轩田《机器学习基石》与《机器学习技法》

• 台大林轩田的课程 林轩田教授的课程难度较大，适合有一定基础的同学。链接如下： 台大林轩田《机器学习基石》 台大林轩田《机器学习技法》

实战项目视频材料

1. 机器学习项目实战 - HTTP日志聚类分析
2. 数据探求分析 - 农粮组织数据集
3. 比赛数据分析
4. 用户流失预警
5. 贷款申请利润最大化
6. Python时间序列分析
7. Python库分析科比生涯数据
8. scikit-learn模型建立与评价
9. 运用Gensim库构造中文维基词向量模型
10. 自然语言处理词向量模型 - Word2Vec
11. 24种Xgboost集成算法
12. 降维算法 - PCA主成分分析
13. 聚类实战
14. 新闻分类任务
15. 泰坦尼克号获救预测
16. 金融交易数据异常检测
17. 贝叶斯算法

欢迎关注公众号“数学交点”，回复“机器学习实战”获取更多相关信息。

持续的知识分享，让我们一起进步！