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 %
投票人數:10人

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)!


請為這篇文章評分?


相關文章 

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...