机器学习和深度学习内容的一些推荐

目前的该领域的线上教学内容浩瀚如烟，推荐在线学习结合动手操练。不要图大图全，先从一次分类，一次识别的过程，摸清楚机器学习和深度学习的基本处理过程。然后从点切入展开全部。

很多概念其实在数据分析类的软件中早已存在，例如：EXCEL中的数据趋势线，就包含了线性回归的处理。

机器学习（包括深度学习），本质上是构造一个带参数的函数，如：y=ax+b、y=ax*x + bx +c ……，然后用海量的数据去调整a/b/c等参数，从而得到一个逼近真实映射关系的函数。例如：典型的带标签的监督学习过程，这个调整过程，可以通过真实的x->y映射关系去校正a/b/c的数值。

推荐几个链接：

动手学深度学习 Dive into Deep Learning https://zh.diveintodeeplearning.org/

斯坦福的机器学习简要教程 https://stanford.edu/~shervine/teaching.html

神经网络与深度学习 https://nndl.github.io/

至于大咖们的线上视频课程，不建议专门安排时间去听，可以在碎片时间看。看海量书，不如写一段程序运行。