附一些机器学习的参考资料：
查论文附带的源码:paper with code
李沐简介：从ACM班到AWS，硅谷华人AI大神李沐的开挂人生
（1）这个学期，李沐在斯坦福大学开了一门《实用机器学习》的新课，除了斯坦福学生能在线下学到以外，课程的录像、PPT也都在网上免费公开。不过B站上能看到的版本却不是课程录像，而是李沐回到家里再专门用中文重新录制的！
b站斯坦福2021秋季 使用机器学习【中文】【合集】
（2）李沐给论文精读系列开的GitHub仓库也在不到一周时间狂揽超过1500星，还上了热榜。
cs229的课倒是非常不错，虽然也不推荐看视频，直接看讲义和写习题就好，计算题和编程题都出得非常棒。
这 4 部分数学知识的作用分别是：
- 概率统计是利用数据发现规律、推测未知的思想方法
- 线性代数是利用空间投射和表征数据的基本工具
- 微积分与最优化是机器学习模型中最终解决方案的落地手段
- 概率图和随机过程是构成机器学习中的核心思想和大量核心应用
csdn博客主页
课件可以参考：
https://link.zhihu.com/?target=https%3A//github.com/fengdu78/lihang-code
视频可以参考：
https://www.bilibili.com/video/av67224054?p=1
代码实现
KDD2019的全部文章和资源列表，内容涵盖了几乎所有深度学习的业界应用前沿，包括图神经网络，Transformer，Graph Embedding，Transfer Learning等前沿方向。
LIBLINEAR: A Library for Large Linear Classification
这里面的代码和论文都值得一看，对理解机器学习有好处。