└── README.md


/README.md:
--------------------------------------------------------------------------------
 1 | # Links Machine Learning
 2 | 
 3 | Este repositorio contiene un listado de hipervínculos asociados a páginas donde pueden aprender de Machine Learning. Sea por hobby o por profesión, esperamos que nos ayude a todos.
 4 | 
 5 | ## Motivación
 6 | 
 7 | Queremos ofrecer un sitio donde se encuentren actualizados los recursos donde podamos conocer más acerca de Machine Learning. De esta manera generamos una curva de aprendizaje más corta. Así mismo, este repositorio sirve como un medio de motivación para quienes no conocen y tampoco saben por dónde empezar.
 8 | 
 9 | ## Contribuciones
10 | Todas las personas se encuentran invitadas a agregar nuevos links de sitios donde podamos aprender más acerca de este tema. Entre más recursos tengamos y actualizados tengamos los links, mejor.
11 | 
12 | # Listado
13 | ## Cursos
14 | ### Basicos
15 | * Udacity: https://www.udacity.com/course/intro-to-machine-learning--ud120
16 | * Coursera: https://www.coursera.org/learn/machine-learning
17 | * Oxford: https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/
18 | * Caltech: https://www.edx.org/course/learning-data-introductory-machine-caltechx-cs1156x
19 | * PythonProgramming: https://pythonprogramming.net/machine-learning-tutorials/
20 | * Python (Advanced Features): https://tech.io/playgrounds/500/advanced-python-features/advanced-python-features
21 | * Scala: https://tech.io/playgrounds/270/functional-programming-explained-to-my-grandma/
22 | * SciKit-learn: http://scikit-learn.org/stable/tutorial/index.html 
23 | * Platzi: https://platzi.com/cursos/ia/, https://platzi.com/cursos/scikit/
24 | * Google: https://developers.google.com/machine-learning/crash-course/ml-intro 
25 | 
26 | ### Avanzados
27 | * Deep Learning Especialization: https://www.coursera.org/specializations/deep-learning
28 | * Deep Learning: https://www.udacity.com/course/deep-learning--ud730
29 | * Deep learning for NLP: http://cs224d.stanford.edu/
30 | * Convolutional Neural Networks: http://cs231n.stanford.edu/
31 | * Intro to Deep Learning with PyTorch: https://www.udacity.com/course/deep-learning-pytorch--ud188
32 | 
33 | ## Libros
34 | * Deep Learning: http://www.deeplearningbook.org/
35 | * ESL: http://statweb.stanford.edu/~tibs/ElemStatLearn/
36 | * Information Theory: http://www.inference.phy.cam.ac.uk/itprnn/book.pdf
37 | * Reinforced Learning: http://people.inf.elte.hu/lorincz/Files/RL_2006/SuttonBook.pdf
38 | 
39 | ## Podcasts
40 | * Talking Machines: http://www.thetalkingmachines.com
41 | * Data Skeptic: https://dataskeptic.com/podcast
42 | * Linear Digressions: http://lineardigressions.com/
43 | * Partially Derivative: http://partiallyderivative.com/
44 | 
45 | ## Storage
46 | * Machine Learning Google Drive: https://drive.google.com/drive/folders/0BxT_o5tB1SPXN0pRd0M0cWxjdWM?usp=sharing
47 | 
48 | ## Grupos
49 | * Facebook: Machine Learning Colombia: https://www.facebook.com/groups/1766056600304468/
50 | * Slack: Big Data Colombia: https://bigdatacolombia.herokuapp.com/
51 | 
52 | ## Foros
53 | * Kaggle: http://blog.kaggle.com
54 | * Requisitos Self Driving Car Course: https://docs.google.com/spreadsheets/d/13QQinPFhU9DwujctXS0A7un0up4N5BNyUDZwxK4I6hg/edit#gid=0
55 | 


--------------------------------------------------------------------------------