关于 机器 / 深度 学习的内容
博客的连接：
http://www.jianshu.com/p/1905bf78f0bd
博客的连接：
http://www.jianshu.com/p/732323ce3961
博客的连接
http://www.jianshu.com/p/5ae1399a512b
LSTM 预测时间序列
我自己总结的一个tensorflow入门教程，包括一些tf的基本语法和tf搭建一些常用网络模型的demo。使用tensorflow 搭建常见的网络模型。
包括：
线性回归
逻辑回归
神经网络
卷积神经网络
循环神经网络
LSTM长短记忆模型
自编码器
...
...
...
这是一个tensorflow的进阶demo，在学会了一些基本的网络模型之后，试着搭建一些比较复杂的网络。
包括：
VGG -19 模型
neural-style 模型
这个目录下面主要是李航《统计学习方法》，周志华《机器学习》的读书笔记，斯坦福-吴恩达的课程，斯坦福-李飞飞的课程，整理一些机器学习的算法。
包括：
PCA
SVM
K-means
贝叶斯
KNN
...
我的blog ： https://www.jianshu.com/nb/12943536
关于传统算法在GitHub上面整理了一下，欢迎共同讨论：https://github.com/zhaozhengcoder/Algorithm
吴恩达的deeplearning ， 网易云课堂上面可以免费的观看。这个不是讲tensorflow，它更加注重 ，深度学习和机器学习的概念和数学推导过程。把这个课程看完之后，基本上会有对机器学习和深度学习有一个完整的认识，同时在写tensorflow的时候，调用一些函数的时候，不会对底层感到很迷茫。
莫烦的tensorlfow教程
一个很好的tf教程，很适合入门。but它的教程更偏向于tensorflow的实现过程，对于网络模型的底层的数学过程，他介绍的不是很多。但是，我个人觉得这个非常重要，对于一个网络的正向和方向的数据流的过程以及维度的变化，还是要有一个清楚的认识。要不然对机器学习的认识就变成一个黑盒了。
周志华的西瓜书《机器学习》
很多人推荐的一本经典教程吧，是结合吴恩达的课程一起看的，但没怎么看完，也不敢多评价了。
李航 《统计学习方法》
作为一个对数学很畏惧的人，基本上最纯数学的教程或书籍都是绕着走的。但是，这本是我看过的最好的数学类的书籍，很薄了一本书，淘宝20多元，但是真实的受益匪浅，学到了非常非常多的东西。这本书可以一直放在手边，没事多翻翻。
@hanbingtao 的博客 https://www.zybuluo.com/hanbingtao/note/541458 这位大哥的博客比较注重从网络模型的实现推导过程，从感知机到rnn，lstm，cnn全用公式推导了一次，包括正向和反向的过程。
还有几个github ： Philippines大学的roatienza大爷的 https://github.com/roatienza
hanbingtao 的GitHub ： https://github.com/hanbt
莫烦的GitHub ：https://github.com/MorvanZhou
Xiang Liang的GitHub ： https://github.com/xlvector
还有实验室的师兄们，给了很多帮助。和 stackoverflow 解决了很多遇到的问题。
公开课 Udacity Deep Learning 优达学城 英文 English 中文 Chinese 免费 cs231n 卷积神经网络与计算机视觉 cs224d 循环神经网络与自然语言处理
这是我用tf实现的常用的基本网络模型 ，这可能是最容易上手，注释最多的tensorflow教程了。很多关于数据维度和tf的函数都加上了注释，对新手来说很friendly。而且，他们都是可以从github上面拉下来就可以运行的！ 包括：
线性回归 ，Logistic 回归
多层感知器 实现mnist手写数字数据集的分类
CNN卷积神经网络
RNN递归神经网络
LSTM网络
自编码器
保存和恢复模型
关于网络模型的介绍，代码的实现，学习过程中遇到的问题，掉的“坑”，在后面文章里面再整理。先把代码放在这里。github地址 : https://github.com/zhaozhengcoder/Machine-Learning/tree/master/tensorflow_tutorials
作者：zhaozhengcoder
链接：https://www.jianshu.com/p/27a2fb320934
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。