最近学习了machine learning和deep learning的相关知识，觉得非常有必要记录下来。南大周志华教授在LAMDA上对Learning about Machine Learning中对AI的发展历史和Machine Learning的常见算法做了宏观的介绍，看完之后受益颇多，我已在百度云*享，链接为http://pan.baidu.com/s/1bngTd4z， 希望初学者可以通过这个视频对Machine Learning有初步的认识。
Machine Learning领域无疑会提到斯坦福大学的大牛Andrew Ng，这在Cousera上早已有了相关的视频，网址为：http://www.baidu.com/link?url=EvnIANLGNrYXeU1uEZDwd0N8iGbmLCqfFoYupIj8C6GJ3LgdNEIkKPlKg9Ww-gp_，非常适合初学者，讲解的非常透彻易懂，数学功底不是很强的同学也不用担心。建议在学习的时候适当的自己做笔记，这样在后来的深入学习中遇到问题可以重温之前的知识，免去了回顾视频的麻烦。网络上已有人做好了相关的笔记，@小小人_V同学 http://vdisk.weibo.com/s/J4rRX/1373287206。不过，我觉得还是自己做笔记印象补觉深刻。关于编程作业，在Github上已有各种大牛的作品，从google里面搜索就可以，在独立完场作业的基础上，可以参考一下别人的答案，从比较中找到更好的解决办法，完善自己的思路。同时，在网易公开课上也有Andrew Ng的公开课视频，更学术化，需要有耐心看完，网址为：http://v.163.com/special/opencourse/machinelearning.html。
还有其他的好的学习视频，在网址http://blog.coursegraph.com/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%85%AC%E5%BC%80%E8%AF%BE%E6%B1%87%E6%80%BB 上已经介绍的非常清楚。感谢这些前辈的耐心整理。
@小猴机器人 创立了机器学习周刊，每周的内容页比较多，每天可以抽空看一点。里面介绍了领域大牛，AI领域新闻，各种论文、课程、图书……能够看完可以大体掌握这个领域最前沿的事件。附上：第一期网址：http://ztl2004.github.io/MachineLearningWeekly/issue1.html#machine-learning-an-algorithmic-perspective-by-stephen-marsland。
第二期网址：http://ztl2004.github.io/MachineLearningWeekly/issue2.html。怎么样？精彩吧。
Deep Learning无疑是当今的一大热点话题，更加智能。最近深度学习教父Geoff Hinton不久前在不列颠哥伦比亚大学做了一次演讲：Recent Development in Deep Learning，幽默风趣，讲解了深度学习的最新进展和各种小技巧，非常有意思。视频网址：http://t.cn/8kdeD1x。
关于何为Deep Learning，建议大家现看一篇帖子，http://farmingyard.diandian.com/post/2013-04-07/40049536511，介绍得通俗易懂，非常适合入门。百度IDL首席科学家张潼曾发表了对大数据及深度机器学习对的演讲，网址为：http://v.youku.com/v_show/id_XNjUyNDMxNjc2.html， 讲解了最新的技术难点等。复旦大学数学系教授吴立德开通了深度学习课程，大家也可以学习，网址为：http://www.youku.com/playlist_show/id_21508721.html?qq-pf-to=pcqq.c2c。
Deep Learning方面的论文，将近100篇左右，主要是顺着Bengio的PAMI review的文章找出来的 @图像视觉研究，打算长期拜读。我和我的一位志同道合的好朋友 @BeantownRT已将文章全部搜出来，网址为：http://t.cn/zWQnpOO 和http://t.cn/8kliT5o，搜得好辛苦哈。希望大家能受益。我们也在看的过程中。
还有机器学习，深度学习一定要学好统计学、线性代数、图论等领域的知识，基础打好，那么高楼才能盖得更高更牢。推荐一个数据结构的好的学习网站：http://www.cs.usfca.edu/~galles/visualization/Algorithms.html。好了，暂时写到这里，以后慢慢补充。