为了避免大量的名单的列举，反而造成信息的冗余和噪音，这里的资源都是经过阅读（至少是极快的阅读）之后整理的。为了方便选择，也会加上我的一些评论，不过水平有限，大家勿被误导。

博客文章

  1. Machine Learning is Fun – Adam Geitgey’s article

    对于Machine Learning非常简明扼要的介绍，非常适合零基础开始阅读。没有太多技术细节，适合对Machine Learning理解的启蒙。

  2. A Deep Learning Tutorial: From Perceptrons to Deep Networks

    非常简明扼要的介绍了机器学习和神经网络的基础知识，所以非常适合有过一点神经网络经验或者了解之后对自己的知识进行一个梳理。介绍的内容包括：机器学习概要，perceptron, nonlinear perceptron, 训练神经网络，Feedforward Neural Networks，Autoencoder –> Deep Networks，RBM –> Deep Belief Networks，Convolutional Networks.

  3. 【持续补充中…】

如果大家等不及补充并且愿意自己去挖掘信息，几个非常长的清单来自于一下博客：

图像视觉研究的博客–Paper reading list

Chen Yuanshen的专栏