給初學者:3個月學會機器學習 ||附完整路徑
文章推薦指數: 80 %
一個初學者應該如何開始學習機器學習?這裡有份3個月的課程,能幫助你從初學者到精通機器學習。
這是一個快速學習計劃,本課程將涵蓋所有數學概念、機器學習理論和深度學習理論,讓你能夠儘快跟上該領域的發展。
第一個月
第1周 線性代數
「線性代數」,同微積分一樣,是高等數學中兩大入門課程之一,不僅是一門非常好的數學課程,也是一門非常好的工具學科,在很多領域都有廣泛的用途。
本文推薦的是麻省理工學院的一門課程,課程講述了矩陣理論及線性代數的基本知識,側重於那些與其他學科相關的內容,包括方程組、向量空間、行列式、特徵值、相似矩陣及正定矩陣。
本課程包含一系列視頻講座,感興趣的可以前往網易公開課獲取,這一部分掌握紮實的同學可以直接pass!
課程連結:
https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/video-lectures/
視頻講座:
http://open.163.com/special/opencourse/daishu.html
第2周 微積分
此處推薦3Blue1Brown的《微積分的本質》系列視頻。
該系列一共有10個視頻,總時長大約3小時。
3Blue1Brown的視頻非常風趣,深入淺出,該系列視頻的目的就是:讓你感覺自己也能發明微積分!是不是心動了呢?
B站地址:
http://space.bilibili.com/88461692/#/channel/detail?cid=13407
第3周 機率
本周推薦edX的一門課程。
這門課程主要介紹了機率模型,包括隨機過程和統計推斷的基本要素。
課程涵蓋了所有基本機率概念,包括:
-
多個離散或連續的隨機變量,期望值和條件分布
-
大數量的法則
-
貝葉斯推理方法的主要工具
-
隨機過程介紹(泊松過程和馬爾可夫鏈)
本周,你會學到這些東西:
-
機率模型的基本結構和要素
-
隨機變量及其分布、均值和差異
-
機率計算
-
推理方法
-
大數定律及其應用
-
隨機過程
課程連結:
https://www.edx.org/course/introduction-probability-science-mitx-6-041x-2
第4周 算法
算法是計算機科學的核心,它有著無數的實際應用和知識深度。
coursera有上百個算法教學視頻供你挑選,彌補自己欠缺的地方。
本文推薦的就是一份學習算法的集合。
課程連結:
https://www.coursera.org/courses?languages=en&query=Algorithm%20design%20and%20analysis
第二個月
第1周 Python、數學、TensorFlow
數據科學中的Python
這個視頻將同時教你Python和數據科學!
視頻連結:
https://pan.baidu.com/s/1xnHqCC11MD_R98SRMr2txA
智力數學入門
本視頻是YouTube網紅技術達人Siraj Raval的智力數學系列視頻的入門介紹,視頻介紹了一種非常流行的優化技術——梯度下降。
Siraj Raval是一位思維很敏捷的深度學習者,上課喜歡亂放表情包,中間還有歌舞,非常有趣,課堂效果很不錯。
視頻連結:
https://pan.baidu.com/s/1wZ0v7qWByGmJbhyRBjGHCA
想要更多,附贈系列視頻地址:
https://www.bilibili.com/video/av14355234/
TensorFlow簡介
這段視頻大約5分鐘,在這5分鐘裡將教會你TensorFlow入門,如何在40行代碼(不包括空格和注釋)下用Python構建手寫數字圖像分類器。
視頻連結:
https://pan.baidu.com/s/1mjI4at_pvUC9Kpz0cWZfLQ
第2周 機器學習入門
機器學習將計算機科學和統計學結合起來,以利用這種預測能力。
對於所有有抱負的數據分析師和數據科學家,或者任何想將所有原始數據轉化為精確趨勢和預測的人來說,這都是必備技能。
本周推薦的是udacity的「機器學習入門」課程,該課程將教你從機器學習角度調查數據的端到端流程,教你如何提取和識別最能代表數據的有用特徵、一些最重要的機器學習算法,以及如何評估你的機器學習算法的性能。
課程連結:
https://eu.udacity.com/course/intro-to-machine-learning--ud120
第3、4周 N個深度學習項目創意
這是GitHub上關於深度學習的一個開源項目,內容包括四個方面:文本、自然語言理解、預測、推薦系統、視覺。
其中每個部分又有許多分類,每個分類下包括一個深度學習的創意,並提供數據集。
跟著該項目的脈絡學習,相信你能越來越熟練。
文本
-
堆棧溢出問題的自動標記
-
關鍵詞/概念識別
-
主題標識
自然語言理解
-
作文自動評分
-
句子間的語義相似性
-
開放域問題回答
-
自動文本摘要
-
仿貓機器人
-
情感分析
-
去匿名化
預測
-
單變量時間序列預測
-
多變量時間序列預測
-
需求/負載預測
-
預測獻血量
推薦系統
-
電影推薦器
-
搜索+推薦系統
-
你能預測社交網絡中的影響者嗎?
視覺
-
圖像分類
-
圖像標題
-
圖像分割/對象檢測
-
大規模視頻理解
-
視頻匯總
-
風格轉移
-
人臉識別
-
臨床診斷:圖像識別、分類和分割
-
社會經濟分析的衛星圖像處理
-
自動標記的衛星圖像處理
項目連結:
https://github.com/NirantK/awesome-project-ideas
第三個月
第1周 深度學習入門
此次推薦的還是YouTube網紅老師的課。
本視頻是其深度學習系列視頻的入門篇,適用於任何一位想成為深度學習工程師同學。
這個視頻將通過10行Python代碼使用線性回歸預測動物的體重。
該系列視頻是Siraj Raval和Udacity合作開發的深度學習納米學位基礎課程。
如果你想提高深度學習的水平,可以去系統地學習。
視頻連結:
https://pan.baidu.com/s/1Yr6nBwtVkLtdZ9-OGcb8Wg
第2周 fast.ai的深度學習課
此處推薦fast.ai的深度學習課程,由Jeremy Howard(Enlitic創始人)授課。
在這裡不需要有研究生的水平就可以了解如何建立最先進的模型。
這個課程是完全免費的!還有一個由數千名其他學習者組成的論壇,隨時準備為你提供幫助。
課程連結:
http://course.fast.ai/
第3、4周 關注這些
在GitHub上重新實現深度學習項目
這裡有YouTube網紅Siraj Raval老師的GitHub大本營,資源非常多,好好學吧!
連結:
https://github.com/llSourcell?tab=repositories
資源
這是問答網站quora上的一個問題:「我應該在Twitter上關注哪些人以獲取有用和可靠的機器學習信息?」
這是不是你的心聲?你是不是也躍躍欲試了?當然底下的回答也會讓你十分滿意的,快去看看吧!
連結:
https://www.quora.com/Who-should-I-follow-on-Twitter-to-get-useful-and-reliable-machine-learning-information
(本文參考Siraj Raval的視頻整理)
—完—
親愛的朋友:
又到了周三的充電時間。
經常有同學在後台問:想自學人工智慧,有什麼建議?
今天送給你一份機器學習路徑,希望對你有所幫助。
祝安!
智能觀 一米
2018-3-14 於北京中關村
想知道AI加教育領域有哪些最新研究成果?
想要AI領域更多的乾貨?
想了解更多專家的「智能觀」?
請在對話介面點擊「找找看」,去獲取你想要的內容吧。
聲明:
編譯文章旨在幫助讀者了解行業新思想、新觀點及新動態,為原作者觀點,不代表智能觀觀點。
轉載智能觀原創文章,請聯繫
智能觀小艾(微信號:zng2017618)!
機器學習,深度學習資料1000+
機器學習是研究計算機怎樣模擬或實現人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的性能。它是人 工智能的核心,是使計算機具有智能的根本途徑。深度學習是機器學習研究中...
獻給程式設計師的最好的一份機器學習自學手冊
該文章來自Github上開源項目翻譯靈感來自 谷歌面試學習手冊原文地址:Machine Learning for Software Engineers