理论入门（里面的程序有些问题，但理论讲得挺好的）
https://www.zybuluo.com/hanbingtao/note/476663
tensorflow编程入门
https://github.com/aymericdamien/TensorFlow-Examples/tree/master/examples
讲到了一些比较有深度的原理性、思想性的东西，耗比较多。
手写了一个多层感知机，比较适合深入理解反向传播，梯度下降这些重要原理：
http://neuralnetworksanddeeplearning.com/
svm:
http://blog.csdn.net/abcjennifer/article/details/7849812/
李航：
李航的统计学习方法
《Pattern Recognition and Machine Learning》
代码网址：http://url.cn/59KzCA7
代码内容：
导论
概率分布
线性回归模型
线性分类模型
神经网络
核方法
讲SVM 。
现代基于图模型
EM 算法
近似推断
采样
PCA及一些改进
HMM 模型和LDS
集成方法
吴恩达老师深度学习到卷积神经网络的作业代码：
http://pan.baidu.com/s/1kVkUXzp