Github 十个小时狂揽千赞：机器学习完整路线图

导读：GitHub上一份机器学习完整路线引起了广泛关注，在短短的十个小时里已经收获了一千多个点赞。作者Giacomo回顾了自己三四年间学习机器学习的心路历程，毫无保留的分享出自己收藏的各种学习资源，工程，工具，awosome集合，教程以及各种实践经验。

Github链接：

https://github.com/clone95/Machine-Learning-Study-Path-March-2019/tree/master/Career%20Paths/Machine%20Learning%20Engineer%20Career%20Path

作者强烈建议购买由Oreilly撰写的《用SciKit学习和TensorFlow进行机器学习》这本书，它给作者很强的激励，并推动了他所列出的大部分内容的组织和层次结构。所有内容都是开源和免费的，其中大部分来自世界著名的大学和开源协会。

整个机器学习完整路线图被分为四个部分：

1. 预备知识

• Python

• Jupyter Notebook

• The Math you need

• The Machine Learning landscape

2. 基于Scikit-Learn的机器学习

• Why Scikit-Learn?

• End-to-End Machine Learning project

• Linear Regression

• Classification

• Training models

• Support Vector Machines

• Decision Trees

• Ensemble Learning and Random Forest

• Unsupervised Learning --- new

• Wrapping up and looking forward

3. 基于TensorFlow的机器学习

• Why TensorFlow?

• Up and Running with TensorFlow

• ANN - Artificial Neural Networks

• CNN - Convolutional Neural Networks

• RNN - Recurrent Neural Networks

• Training Networks: Best practices

• AutoEncoders

• Reinforcement Learning

• Next steps

4. 实用工具

• Machine Learning Projects

• Data Science Tools

• Blogs / Youtube Channels / Websites worth taking a look!

以下是作者分享内容的PDF文档整理，供感兴趣的专知用户学习收藏，部分展示如下：