下文的這些鏈接都是筆者在初學機器學習時的一些資源乾貨，其中有大部分需要科學上網才能瀏覽。
- 維基百科
Hierarchical clustering（分層聚類）—— 維基百科
Spectral clustering（譜聚類）—— 維基百科
Bellman equation（貝爾曼方程）—— 維基百科
Trigonometric functions (三角函數）—— 維基百科
Similarity measure（相似度量）—— 維基百科
- 知乎問答
知乎問答 —— 機器學習中使用正則化來防止過擬合是什麼原理？
- 官方/學術文檔
scipy.optimize.leastsq ( ) 使用方法 （官方文檔）
用反向傳播訓練多層神經網絡的原理 —— 波蘭 AGH 科技大學
Affinity Propagation 的論文、用例及源代碼
Convolutional Neural Networks (LeNet)
- 學術論文
Deep Residual Learning for Image Recognition（深度殘留學習的圖像識別）
Deep Gate Recurrent Neural Network（深門遞歸神經網絡）
Recent Advances in Recurrent Neural Networks（遞歸神經網絡的最新進展）
A Critical Review of Recurrent Neural Networks for Sequence Learning（迴歸神經網絡在序列學習中的應用評述）
Generative Adversarial Networks （GAN 生成對抗網絡）
- 博客
sklearn 中的 Pipeline 機制 —— CSDN
Visualizing K-Means Clustering （可視化K-Means聚類）
The 5 Clustering Algorithms Data Scientists Need to Know（數據科學家需要了解的5種聚類算法）
An overview of gradient descent optimization algorithms（梯度下降優化算法概述）
PyTorch – Internal Architecture Tour（PyTorch - 內部建築之旅）
The Unreasonable Effectiveness of Recurrent Neural Networks（迴歸神經網絡的不合理有效性）
Understanding LSTM Networks（瞭解LSTM網絡）
Neural Networks, Types, and Functional Programming（神經網絡，類型和功能編程）
- 課程資源/其他
PyTorch 實現的 torchvision 模塊 —— Github
Learning financial market data with recurrent Autoencoders and Tensorflow