机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。
"The introduction to machine learning" Andrew NG
- 数学方面
《Math for ML book》Math for machine learning book by Faisal and Ong
《数学之美》 by 吴军 - 机器学习
以下两本为国内非常著名的机器学习书，入门学习或者找工作的必备书籍
《机器学习》by 周志华
《统计学习方法》by 李航
非常通俗易懂的一本机器学习书
《图解机器学习》 by 杉山将
以下为机器学习领域的三本神书
《Pattern Recognition And Machine Learning》 by Christopher M. Bishop
《The Elements of Statistical Learning》 by Trevor Hastie, Robert Tibshirani, Jerome Friedman
《Machine Learning A Probabilistic Perspective》 by Kevin P. Murphy - 深度学习方面
深度学习（中文版） by Ian Goodfellow, Yoshua Bengio, Aaron Courville
深度学习（英文版） by Ian Goodfellow, Yoshua Bengio, Aaron Courville - Python方面
《LearningPython》
《利用Python进行数据分析》英文版 - 大数据方面
《Hadoop The Definitive Guide, 4th Edition》
《Learning Spark Lightning Fast Data Analysis》
《Advanced Analytics with Spark》
- 数学课
线性代数的本质 by 3Blue1Brown
MIT 18.06 线性代数 by MIT - 机器学习课(Master Level)
机器学习 by Andrew Ng Stanford University
机器学习基石 by 林轩田 台大
机器学习技法 by 林轩田 台大
机器学习速成课程 by Google
机器学习 by ColumbiaX CSMM.102X - 机器学习课(Phd Level)
Advanced Introduction to Machine Learning by cmu (视频)
Large Scale ML by Toronto
Statistical Learning Theory and Applications by MIT - 深度学习课
深度学习专项课程 by Andrew Ng
CS231n Convolutional Neural Networks for Visual Recognition by Stanford
Neural Networks for Machine Learning by Geoffrey Hinton
机器学习资源汇总(课程、教材、教程、笔记、速查等) by 《ML Resources | Sam's Academic Blog》 by Samuel Finlayson
经典书《模式识别与机器学习》习题答案集 by ZHENGQI GAO GitHub
微软开源的Python机器学习包，具有ML.NET的功能，与Scikit-Learn高度兼容 by Microsoft
'pymc-learn: Practical probabilistic machine learning in Python
提高Jupyter使用效率的工具 by Gautam Borgohain
Fast.ai Wonderful set of intro lectures + notebooks from Jeremy Howard and Rachel Thomas
从头开始学习机器学习 by Neerja Doshi
What the f*ck Python! by satwikkansal
Overview of Deep Learning for NLP by Goldber Primer
CS224N Deep Learning for NLP by Stanford
CMU CS 11-747 by CMU
Oxford Deep NLP 2017 by Oxford and DeepMind
Tutorial: Machine Learning with Text in scikit-learn by Kevin Markham
YSDA Natural Language Processing course by Elena Voita jupyter notebook
通过kaggle比赛学习机器学习文本分类方法 by 砍手豪
Attention is all you need模型笔记 by 盛源车
用深度学习（CNN RNN Attention）解决大规模文本分类问题 - 综述和实践 by 清凇
PyTorch-NLP - Text utilities and datasets for PyTorch by Michael Petrochuk
Attention is all you need annotated transformer Pytorch by HarvardNLP
Pytorch tutorial
2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记 by imhuay