专栏首页相约机器人GitHub万星的中文机器学习资源:路线图、视频、电子书、学习建议全在这

GitHub万星的中文机器学习资源:路线图、视频、电子书、学习建议全在这

再也不用在学机器学习之前先恶补英语了,这儿有一套超热门的优质中文资源可以选择。

这套名叫AI Learning的GitHub资源,汇集了30多名贡献者的集体智慧,把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。

目前资源在GitHub上已经有一万颗Star,微博网友:好人一生平安。

事不宜迟,来看看这里面有啥。

从入门到大牛

很多初学者都会遇到这样的问题:入门机器学习应该从哪里学起?

这些过来人表示,学习路径分三步,先学机器学习基础,然后攻克深度学习基础,最后学习自然语言处理(NLP)相关知识。贡献者表示:按照这个流程来学习,你可以当大牛。

在机器学习基础部分,贡献者给出的学习路线图是这样的:

  1. 机器学习基础
  2. KNN近邻算法
  3. 决策树
  4. 朴素贝叶斯
  5. 逻辑回归
  6. SVM支持向量机
  7. 集成方法
  8. 回归
  9. 树回归
  10. K-Means聚类
  11. 利用Apriori算法进行关联分析
  12. FP-growth高效发现频繁项集
  13. 利用PCA来简化数据
  14. 利用SVD来简化数据
  15. 大数据与MapReduce
  16. 推荐系统

在上面16个学习模块中,是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料,非常方便。

比如决策树模块,先介绍了概念与主要场景:

然后介绍了具体的项目案例和开发流程代码:

每个模块还有配套视频,一并服用效果更好:

即使以后出现了新的学习资源,这套方法论也可以用上。

深度学习基础部分在第一部分的基础上,继续扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点:

每个知识点对应一个口碑介绍帖,内文图文并茂。

NLP内容的学习路径偏向于实际应用,在文本分类、语言建模、图像字幕、机器翻译、问答系统、语音识别、自动文摘7个领域极少,还一并放上了大量相关数据集:

省去了为找数据集跑断腿的烦恼。

机器学习零食库

除了能get到完整学习路径持续通关,还能在里面找到人们机器学习资料“单品”。

有经典口碑英文视频吴恩达篇:

有入门专项训练篇等任君挑选:

整理好的电子书,直接下载PDF即可使用:

最后,这个神奇的页面还自带贡献者们自己摸爬滚打的心路历程和学习建议。

看来这个资源,够你用很久了↓↓

传送门

GitHub地址: https://github.com/apachecn/AiLearning

作者系网易新闻·网易号“各有态度”签约作者

本文分享自微信公众号 - 相约机器人(xiangyuejiqiren)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-04-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • OpenAI科学家一文详解自监督学习

    自监督学习为监督学习方式提供了巨大的机会,可以更好地利用未标记的数据。这篇文章涵盖了关于图像、视频和控制问题的自监督学习任务的许多有趣想法。

    代码医生工作室
  • 三四行代码打造元学习核心,PyTorch元学习库L2L现已开源

    learn2learn 是一个用于实现元学习的 Pytorch 库,我们只需要加几行高层 API,就能为一般的机器学习流程添加元学习能力。例如在元学习 MNIS...

    代码医生工作室
  • PyTorch的元学习库:Torchmeta

    Torchmeta是扩展和数据加载器的集合,用于在PyTorch中进行少量学习和元学习。Torchmeta在2019年全球PyTorch夏季黑客马拉松上获得了最...

    代码医生工作室
  • GitHub万星的中文机器学习资源:路线图、视频、电子书、学习建议全在这

    这套名叫AI Learning的GitHub资源,汇集了30多名贡献者的集体智慧,把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。

    小小詹同学
  • 机器学习的基本概念

    我发现,查阅和掌握机器学习基本概念的最佳方法是,回顾机器学习教科书的介绍章节,并观看典型的在线课程视频。

    人工智能资讯小编
  • 【机器学习】目前机器学习最热门的领域有哪些?

    目前机器学习最热门的领域有以下七个: 1.迁移学习Transferlearning 简介:一种学习对另一种学习的影响,它广泛地存在于知识、技能、态度和行为规范的...

    小莹莹
  • 多伦多大学最新版《机器学习导论》

    机器学习(ML)是一组技术,允许计算机从数据和经验中学习,而不是要求人类手工指定所需的行为。ML在AI的学术领域和工业领域都越来越重要。本课程提供了一些最常用的...

    肉眼品世界
  • 【Andrew Ng 机器学习】Week 1(一):基本概念和线代基础

    木东居士
  • 走进机器学习

    机器学习(Machine Learning, ML),顾名思义就是要让机器能像人一样去学习。这是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂...

    磐创AI
  • 《机器学习》笔记-计算学习理论(12)

    如今机器学习和深度学习如此火热,相信很多像我一样的普通程序猿或者还在大学校园中的同学,一定也想参与其中。不管是出于好奇,还是自身充电,跟上潮流,我觉得都值得试一...

    机器学习算法工程师

扫码关注云+社区

领取腾讯云代金券