首先确定你的定位是进行算法研究
不局限于跟着网上教程进行简单的输入输出,因为确实可以不需要任何基础就能得到模型检测结果。
关于数学基础,需要一定高等数学、线性代数、概率论基础,由于考研时期受到了张宇老师、汤家凤老师、李永乐老师的点拨,所以这部分我当时是有基础的。
如果是零基础小白,使用教材再搭配这些老师的基础班就差不多了,后期碰到知识点再有针对的复习就行!插播一条,有同学强烈推介MIT线性代数课程,我也将高清重制版搬来了~
麻省理工学院 MIT 18.06 线性代数
接下来是编程工具的学习,Python是当时本科自学爬虫时学的(我有C语言基础,没有也没事),看的小甲鱼,现在也是出了新版
【Python教程】《零基础入门学习Python》最新版(2022年08月10日更新)
研究生入学前想系统的学习一遍Python,书籍用的《Python编程从入门到实践》,现在也是出了第二版
然后遇到了一个宝藏Python教程,将近500集,涵盖非常广且讲的很细
(强推)Python面向对象编程五步曲-从零到就业
然后打开机器学习的大门,最一开始看的是吴恩达网易版机器学习课程
(强推|双字)网易版吴恩达机器学习课程
在这里插入图片描述
今年也出了新版
(强推|双字)2022吴恩达机器学习Deeplearning.ai课程
搭配书籍《神经网络与深度学习》(回忆起手推反向传播这些日子hhh)
在这里插入图片描述
然后是吴恩达DeepLearning.ai版课程,该版本弥补了网易版知识点老旧的缺陷,尤其2021年还新加了很多知识点
(强推|双字)2021版吴恩达深度学习课程Deeplearning.ai
在这里插入图片描述
还穿插看了一部分李宏毅老师的机器学习课程(主要是Transformer、GAN等)
(强推)李宏毅2021/2022春机器学习课程
再比如浙大胡浩基老师机器学习课程(主要是SVM,但现在SVM用的少了)口碑都相当不错
(强推)浙江大学-机器学习
完成上述网课和书籍阅读后,看了李航老师的《统计学习方法》(现在出了《机器学习方法》,我还做过抽奖),可以搭配白板推导教程食用(上述只是对前几章有重点的看,什么K近邻、贝叶斯、最大熵、逻辑回归等等)
这一过程会疯狂面向百度,但是可以直接将你拔高
结束以上理论部分的毒打后不要急,咱接着遭受环境配置的折磨
此后在看了北京理工大学Numpy、Pandas、Matplotlib数据分析教程
北理-Python数据分析与展示-Numpy、Matplotlib、Pandas
在这里插入图片描述
结合菜鸟教程网中的教程进行学习
在这里插入图片描述
然后跟着龙曲良老师,学习了Tensorflowe2和Pytorch(19年国庆那会刚好出TF2,当时还在纠结),就我个人来说Pytorch用的多一点,然后推介一个小众但质量极高的外国Pytorch教学
适用于初学者的Pytorch神经网络编程教学
大家还可以看看李沐老师的《动手学深度学习》
该过程基本上能掌握之后所需的语法,如果有遗忘就有针对的面向百度就行
学到这里,基础阶段的理论与工具就可以满足需求了,接下来就可以和伙伴说分手,然后根据自己的研究方向进行细节的深挖啦,我自己是视觉方向,就不在这篇文章中细说了,之前都有整理在B站
|AI学习路线分享|做完这些,你已经成为机器学习方面的专家
都看到这了不点赞关注鼓励一下吗~
最后祝大家顺利,欢迎关注,不定期分享干货,一起在人工智能路上携手并进~
————————————————
版权声明:本文为CSDN博主「啥都生」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/zzh516451964zzh/article/details/127395741