PRML, Pattern Recognition and Machine Learning, Bishop 2006

• 经典书籍，不多说，不过我读了下面那本 MLaPP 入门的。

MLaPP, Machine Learning, A Probabilistic Perspective, Murphy 2012

• 很大，很全，但是比较难读，有机会啃下去最好，收获挺大的。

统计学习方法，李航 2012

• 西瓜书出现之前，是中文书里唯一能看的，短小精悍
• 比西瓜书讲的深一点，但是内容稍微少一点，也没有系统，只是把很多流行的模型单独列成一章来讲。

机器学习，周志华 2016

• 西瓜书是国内著名的机器学习学者，南京大学周志华老师的新作
• 大概读了一半，感觉非常深入浅出，内容也很全，公式推导过程清晰，建议入门必读，后面常翻翻

• 机器学习课程，讲义很经典
• 也可以参考 Andrew Ng 早期的视频，在网易公开课可以找到

Foundations of Statistical Natural Language Processing

• Chris Manning, Hinrich Schütze, Stanford NLP Group
• 经典的书，有点老，讲的是 NLP 基础的知识。

Speech and Language Processing

• Dan Jurafsky and James H. Martin 合著，现在有 3rd edition 的草稿
• 内容比较丰富，涉及 NLP 的方方面面；新版本主要添加了很多深度学习的东西

Deep Learning in Natural Language Processing

• Deng, Li, Liu, Yang
• 比较新的书，讲了 NLP 和 DL 结合的最新技术。

Deep Learning Book

• GoodFellow, Bengio 合著的书，深入浅出
• 看后面几章 Research 感觉挺难懂，Practice 又不如看公开课，所以暂时弃坑
• 已有中文版，exacity/deeplearningbook-chinese

Neural Networks and Deep Learning

• 这本书讲的很基础，大致过一遍就好了
• 神经网络与深度学习

神经网络与深度学习

• 和上面的不是同一本书，这个是复旦大学的 邱锡鹏 老师的书，尚未出版
• 感觉和 Deep Learning Book 结构挺类似的。

• 暑假讲座，授课目标为研究生学生，工业界工程师，研究人员
• 不用fq，很流程，有 PPT

CS231n: Convolutional Neural Networks for Visual Recognition

• 深度学习入门必学，偏重计算机视觉，课程作业特别好。
• Fei-Fei Li && Andrej Karpathy 在斯坦福的课程
• 智能单元的中文翻译
• 网易云课堂的中文课程视频

CS224n: Deep Learning for Natural Language Processing

• 类似 CS231n，但是偏重自然语言处理和深度学习结合
• 主要用 tensorflow 实现代码和作业。网上应该也有很多中文资料。  

• 作者 Daphne Koller and Nir Friedman, MIT Press (2009)
• 概率图模型经典书籍

Probabilistic Graphical Models

• Koller 大神在 Coursera 开设的公开课
• 分成了三个子课程，Representation, Inference and Learning

Probabilistic Graphical Models

• Eric Xing, Carnegie Mellon University
• 知乎上推荐的，有视频

Probabilistic Graphical Models Spring 2013

• 非常好的公开课，PPT 很不错，参考了 Koller 的那本书