【转载保存】推荐ApacheCN开源的一个机器学习路线图

最新推荐文章于 2020-06-15 17:10:05 发布
最新推荐文章于 2020-06-15 17:10:05 发布
阅读量619 收藏 3
点赞数
分类专栏： 机器学习

转载：https://mp.weixin.qq.com/s/EMWFFPsaKaGc8FO1g-htzg

推荐ApacheCN开源的一个机器学习路线图

原创： 机器学习初学者 机器学习初学者 今天

推荐一个ApacheCN开源的一个机器学习路线图：

https://github.com/apachecn/AiLearning

注意：需要直接打开网址或者“阅读原文”才能打开文章里的链接

 

路线图

按照步骤: 1 => 2 => 3，你可以当大牛！

1.机器学习 - 基础

  • Machine Learning in Action (机器学习实战) | ApacheCN(apache中文网)

  • 电子版书籍：【机器学习实战-中文版-带目录版.pdf】

  • -- 感谢 飞龙小哥哥 生成的电子书《机器学习实战-ApacheCN.pdf》

  • 视频已更新完成，如果你觉得有价值，请帮忙点 Star【后续组织学习活动：sklearn、kaggle、 Pytorch 和 tensorflow】

  • -- 视频网站：优酷 ／bilibili / Acfun / 网易云课堂，可直接在线播放。（最下方有相应链接）

  • -- 群小哥哥：红色石头: 台湾大学林轩田机器学习笔记

  • 推荐一个机器学习笔记: 

    https://feisky.xyz/machine-learning网站视频

    机器学习实战

    第 1 章: 机器学习基础

    机器学习实战

    第 2 章: KNN 近邻算法

    机器学习实战

    第 3 章: 决策树

    机器学习实战

    第 4 章: 朴素贝叶斯

    机器学习实战

    第 5 章: Logistic回归

    机器学习实战

    第 6 章: SVM 支持向量机

    网上组合内容

    第 7 章: 集成方法（随机森林和 AdaBoost）

    机器学习实战

    第 8 章: 回归

    机器学习实战

    第 9 章: 树回归

    机器学习实战

    第 10 章: K-Means 聚类

    机器学习实战

    第 11 章: 利用 Apriori 算法进行关联分析

    机器学习实战

    第 12 章: FP-growth 高效发现频繁项集

    机器学习实战

    第 13 章: 利用 PCA 来简化数据

    机器学习实战

    第 14 章: 利用 SVD 来简化数据

    机器学习实战

    第 15 章: 大数据与 MapReduce

    Ml项目实战

    第 16 章: 推荐系统（已迁移）

    第一期的总结

    2017-04-08: 第一期的总结

知乎问答-爆炸啦-机器学习该怎么入门？

 

视频怎么看？

  1. 理论科班出身-建议去学习 Andrew Ng 的视频（Ng 的视频绝对是权威，这个毋庸置疑）

  2. 编码能力强 - 建议看我们的《机器学习实战-教学版》

  3. 编码能力弱 - 建议看我们的《机器学习实战-讨论版》，不过在看理论的时候，看 教学版-理论部分；讨论版的废话太多，不过在讲解代码的时候是一行一行讲解的；所以，根据自己的需求，自由的组合。

【免费】数学教学视频 - 可汗学院 入门篇

  • @于振梓 推荐: 可汗学院-网易公开课

概率统计线性代数
可汗学院(概率)可汗学院(统计学)可汗学院(线性代数)

机器学习视频 - ApacheCN 教学版

  
AcFunB站
优酷网易云课堂

【免费】机器/深度学习视频 - 吴恩达

机器学习深度学习
吴恩达机器学习神经网络和深度学习

2.深度学习 - 基础

深度学习必学

  1. 反向传递: 

  2. https://www.cnblogs.com/charlotte77/p/5629865.html

  3. CNN原理: 

  4. http://www.cnblogs.com/charlotte77/p/7759802.html

  5. RNN原理:

  6.  https://blog.csdn.net/qq_39422642/article/details/78676567

  7. LSTM深入浅出的好文: 

  8. https://blog.csdn.net/roslei/article/details/61912618

3.自然语言处理

学习过程中-内心复杂的变化！！！

自从学习NLP以后，才发现国内与国外的典型区别:
1. 对资源的态度是完全相反的:
  1) 国内：就好像为了名气，举办工作装逼的会议，就是没有干货，全部都是象征性的PPT介绍，不是针对在做的各位
  2）国外：就好像是为了推动nlp进步一样，分享者各种干货资料和具体的实现。（特别是: python自然语言处理）
2. 论文的实现：
  1) 各种高大上的论文实现，却还是没看到一个像样的GitHub项目！（可能我的搜索能力差了点，一直没找到）
  2）国外就不举例了，我看不懂！
3. 开源的框架
  1）国外的开源框架：tensorflow/pytorch 文档+教程+视频（官方提供）
  2) 国内的开源框架: 额额，还真举例不出来！但是牛逼吹得不比国外差！（MXNet虽然有众多华人参与开发，但不能算是国内开源框架。基于MXNet的动手学深度学习(https://zh.diveintodeeplearning.org)中文教程,已经由沐神(李沐)以及阿斯顿·张讲授录制，公开发布。文档+第一季教程+视频）
每一次深入都要去翻墙，每一次深入都要Google，每一次看着国内的说：哈工大、讯飞、中科大、百度、阿里 多牛逼，但是资料还是得国外去找！
有时候真的挺狠的！真的有点瞧不起自己国内的技术环境！

当然谢谢国内很多博客大佬，特别是一些入门的Demo和基本概念。【深入的水平有限，没看懂】

  • 入门教程必看资料【添加比赛链接】:

    https://github.com/apachecn/AiLearning/tree/dev/blog/nlp

  • Python 自然语言处理 第二版: 

    https://usyiyi.github.io/nlp-py-2e-zh

  • 推荐一个liuhuanyong大佬整理的nlp全面知识体系: 

    https://liuhuanyong.github.io

1.使用场景 （百度公开课）

第一部分 入门介绍

  • 1.) 自然语言处理入门介绍

第二部分 机器翻译

  • 2.) 机器翻译

第三部分 篇章分析

  • 3.1.) 篇章分析-内容概述

  • 3.2.) 篇章分析-内容标签

  • 3.3.) 篇章分析-情感分析

  • 3.4.) 篇章分析-自动摘要

第四部分 UNIT-语言理解与交互技术

  • 4.) UNIT-语言理解与交互技术

应用领域

中文分词：

  • 构建DAG图

  • 动态规划查找，综合正反向（正向加权反向输出）求得DAG最大概率路径

  • 使用了SBME语料训练了一套 HMM + Viterbi 模型，解决未登录词问题

1.文本分类（Text Classification）

文本分类是指标记句子或文档，例如电子邮件垃圾邮件分类和情感分析。

下面是一些很好的初学者文本分类数据集。

  1. 路透社Newswire主题分类（路透社-21578）。1987年路透社出现的一系列新闻文件，按类别编制索引。另见RCV1，RCV2和TRC2。

  2. IMDB电影评论情感分类（斯坦福）。来自网站imdb.com的一系列电影评论及其积极或消极的情绪。

  3. 新闻组电影评论情感分类（康奈尔）。来自网站imdb.com的一系列电影评论及其积极或消极的情绪。

有关更多信息，请参阅帖子：单标签文本分类的数据集。

情感分析

比赛地址: 

https://www.kaggle.com/c/word2vec-nlp-tutorial

  • 方案一(0.86)：WordCount + 朴素 Bayes

  • 方案二(0.94)：LDA + 分类模型（knn/决策树/逻辑回归/svm/xgboost/随机森林）

    • a) 决策树效果不是很好，这种连续特征不太适合的

    • b) 通过参数调整 200 个topic，信息量保存效果较优（计算主题）

  • 方案三(0.72)：word2vec + CNN

    • 说实话：没有一个好的机器，是调不出来一个好的结果 (: 逃

通过AUC 来评估模型的效果

2.语言模型（Language Modeling）

语言建模涉及开发一种统计模型，用于预测句子中的下一个单词或一个单词中的下一个单词。它是语音识别和机器翻译等任务中的前置任务。

它是语音识别和机器翻译等任务中的前置任务。

下面是一些很好的初学者语言建模数据集。

  1. 古腾堡项目，一系列免费书籍，可以用纯文本检索各种语言。

  2. 还有更多正式的语料库得到了很好的研究; 例如：布朗大学现代美国英语标准语料库。大量英语单词样本。谷歌10亿字语料库。

新词发现

  • 中文分词新词发现

  • python3利用互信息和左右信息熵的中文分词新词发现

  • https://github.com/zhanzecheng/Chinese_segment_augment

句子相似度识别

  • 项目地址: https://www.kaggle.com/c/quora-question-pairs

  • 解决方案: word2vec + Bi-GRU

文本纠错

  • bi-gram + levenshtein

3.图像字幕（Image Captioning）

mage字幕是为给定图像生成文本描述的任务。

下面是一些很好的初学者图像字幕数据集。

  1. 上下文中的公共对象（COCO）。包含超过12万张带描述的图像的集合

  2. Flickr 8K。从flickr.com获取的8千个描述图像的集合。

  3. Flickr 30K。从flickr.com获取的3万个描述图像的集合。欲了解更多，请看帖子：

探索图像字幕数据集，2016年

4.机器翻译（Machine Translation）

机器翻译是将文本从一种语言翻译成另一种语言的任务。

下面是一些很好的初学者机器翻译数据集。

  1. 加拿大第36届议会的协调国会议员。成对的英语和法语句子。

  2. 欧洲议会诉讼平行语料库1996-2011。句子对一套欧洲语言。有大量标准数据集用于年度机器翻译挑战; 看到：

统计机器翻译

机器翻译

  • Encoder + Decoder(Attention)

     

  • 参考案例:

  • http://pytorch.apachecn.org/cn/tutorials/intermediate/seq2seq_translation_tutorial.html

5.问答系统（Question Answering）

问答是一项任务，其中提供了一个句子或文本样本，从中提出问题并且必须回答问题。

下面是一些很好的初学者问题回答数据集。

  1. 斯坦福问题回答数据集（SQuAD）。回答有关维基百科文章的问题。

  2. Deepmind问题回答语料库。从每日邮报回答有关新闻文章的问题。

  3. 亚马逊问答数据。回答有关亚马逊产品的问题。有关更多信息，请参阅帖子：

数据集：我如何获得问答网站的语料库，如Quora或Yahoo Answers或Stack Overflow来分析答案质量？

6.语音识别（Speech Recognition）

语音识别是将口语的音频转换为人类可读文本的任务。

下面是一些很好的初学者语音识别数据集。

  1. TIMIT声学 - 语音连续语音语料库。不是免费的，但因其广泛使用而上市。口语美国英语和相关的转录。

  2. VoxForge。用于构建用于语音识别的开源数据库的项目。

  3. LibriSpeech ASR语料库。从LibriVox收集的大量英语有声读物。

7.自动文摘（Document Summarization）

文档摘要是创建较大文档的简短有意义描述的任务。

下面是一些很好的初学者文档摘要数据集。

  1. 法律案例报告数据集。收集了4000份法律案件及其摘要。

  2. TIPSTER文本摘要评估会议语料库。收集了近200份文件及其摘要。

  3. 英语新闻文本的AQUAINT语料库。不是免费的，而是广泛使用的。新闻文章的语料库。欲了解更多信息：

文档理解会议（DUC）任务。在哪里可以找到用于文本摘要的良好数据集？

命名实体识别

  • Bi-LSTM CRF

  • 参考案例: 

    http://pytorch.apachecn.org/cn/tutorials/beginner/nlp/advanced_tutorial.html

  • CRF推荐文档: 

    https://www.jianshu.com/p/55755fc649b1

文本摘要

  • 抽取式

  • word2vec + textrank

  • word2vec推荐文档: 

    https://www.zhihu.com/question/44832436/answer/266068967

  • textrank推荐文档: 

    https://blog.csdn.net/BaiHuaXiu123/article/details/77847232

Graph图计算【慢慢更新】

  • 数据集: data/nlp/graph

  • 学习资料: spark graphX实战.pdf 【文件太大不方便提供，自己百度】

进一步阅读

如果您希望更深入，本节提供了其他数据集列表。

  1. 维基百科研究中使用的文本数据集

  2. 数据集：计算语言学家和自然语言处理研究人员使用的主要文本语料库是什么？

  3. 斯坦福统计自然语言处理语料库

  4. 按字母顺序排列的NLP数据集列表

  5. 该机构NLTK

  6. 在DL4J上打开深度学习数据

  7. NLP数据集

  8. 国内开放数据集: 

    https://bosonnlp.com/dev/resource

     

    原文地址

    https://github.com/apachecn/AiLearning

    注意：需要直接打开网址或者“阅读原文”才能打开文章里的链接

 

请关注和分享↓↓↓ 

本站的知识星球（黄博的机器学习圈子）ID：92416895

目前在机器学习方向的知识星球排名第一

往期精彩回顾

阅读原文

阅读 539

 在看5

成长的小牛233
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
TensorFlow 是一个开源的机器学习框架
03-04
TensorFlow 是一个开源的机器学习框架
PyTorch 是一个流行的开源机器学习框架
最新发布
03-04
PyTorch 是一个流行的开源机器学习框架
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
量子位
04-19 317
铜灵 发自 凹非寺量子位 出品 | 公众号 QbitAI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Gi...
GitHub上贼好的机器学习资源（入门，进阶）
qq_33465047的博客
08-14 1761
机器学习的学习路径：入门--进阶---沉沦（也叫放弃），废话不说了！！ 闯关开始： 第一个： https://github.com/apachecn/Ailearning 这个项目里基本包含了，机器学习主流的算法，并给出了很多的学习资源，如数学基础知识： 介绍了机器学习的热门应用领域如：文本分类，语言模型，图像字幕，机器翻译，问答系统，语音识别，自动文摘。可以快速了解这些领域，但...
ApacheCN - 关于我们
weixin_33769125的博客
06-16 346
1、简单介绍一下 ApacheCN？ ApacheCN 是 2016 年 8 月份就开始搭建网站雏形， 2017 年 6 月份正式全职来做，是国内第一个有组织性、敢带人装逼、敢真的分享、并且敢戴绿帽的中文开源组织。 成立 ApacheCN 是因为国内 AI 方面（包括但不仅限于 AI 方面）的资料过于贫乏，大多零散且维护滞后，有明显的学习门槛 。大牛们的分享往往要么过于表面，要么充斥着大量的专有...
机器学习--写在最前面
huixinbuding的博客
11-29 252
写在此系列的最前面： 第一次下定决心写系列博客，第一次使用MarkDowm，希望越来越好！ 学习机器学习，采用的书籍是《机器学习实战》+李航《统计学习方法》 学习的网站是 http://www.apachecn.org/map欢迎各位大佬来打脸！！PS：强推ApachenCN
2020版机器学习技术路线图
07-29
总的来说，2020版机器学习技术路线图提供了一个全面的学习路径，涵盖了从识别问题到构建解决方案的全过程，以及所需的技术和数学基础知识。为了有效地学习机器学习，你可以参考这个路线图，逐步掌握各个知识点，并...
基于ApacheFlink的机器学习算法平台实践与开源
03-01
Alink开源地址：文本分析点击率预测
机器学习入门-ApacheCN-机器学习实战
Youngo的博客
05-08 1318
机器实战开源组织ApacheCN：https://github.com/apachecn/MachineLearning/ 网站http://cwiki.apachecn.org/
ApacheCN 学习资源汇总 2018.12
龙哥盟
12-28 3万+
【主页】 apachecn.org 【Github】@ApacheCN 暂时下线: 社区 暂时下线: cwiki 知识库 自媒体平台 微博：@ApacheCN 知乎：@ApacheCN CSDN 简书 OSChina 博客园 我们不是 Apache 的官方组织/机构/团体，只是 Apache 技术栈（以及 AI）的爱好者！ 合作or侵权，请联系【fonttian】fonttian@gma...
机器学习实战2.3. k-近邻算法例子-识别手写数字
小明的博客
04-08 1856
机器学习实战2.3. k-近邻算法例子-识别手写数字 搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’ 获取更多机器学习干货 csdn：https://blog.csdn.net/baidu_31657889/ github：https://github.com/xiaoming3526/ai-ming3526 本文参考地址：[apachecn/AiLearning] 项目...
AiLearning:一个 GitHub万星的中文机器学习资源
R语言中文社区
07-15 1026
“ If you want to go fast, go alone. If you want to go far, go togeter. ”传送...
GitHub等的资源链接
lxiao428的博客
03-07 862
1、https://github.com/apachecn/AiLearning 2、DeepLearning Papers总结：https://github.com/zziz/pwc#2017 CVPR2019部分论文：https://github.com/extreme-assistant/cvpr2019
创立三年，广受好评：如何评价 ApacheCN ？
龙哥盟
08-04 2万+
来源：知乎问题『如何评价 ApacheCN ？』 StarSky： 造福初学者，业内人应该是看不上的 张一极： 如果这么一群人如此自发的努力不够珍贵,那该怎样纯粹的亮光,才能照亮那些不知珍贵为何物的人. 冇冇： 我只想看片刻女装 （有什么奇怪的东西混进来了） 周湘斌： 这个组织有很多给力优秀的大佬，利用私人时间大量无偿帮助了很多初学者，我在这个组织也呆了一年多了受益匪浅，也认识了很多人。虽然我...
【机器学习实战】第1章 机器学习基础
weixin_33908217的博客
04-24 244
为什么80%的码农都做不了架构师？>>> ...
布客·ApacheCN 编程/后端/大数据/人工智能学习资源 2020.6
龙哥盟
06-15 4万+
公告 我们的群共享文件有备份到 IPFS 的计划，具体时间待定。 我们的机器学习群（915394271）正式改名为财务提升群，望悉知。 请关注我们的公众号“ApacheCN”，回复“教程/路线/比赛/报告/技术书/课程/轻小说/漫画/新知”来获取更多资源。 我们正在招募项目负责人，完成三次贡献可以申请，请联系片刻（529815144）。几十个项目等你来申请和参与，不装逼的朋友，我们都不想认识。 CDNDrive 第二次扩容完毕，新增了 3 个图床。 “开源互助联盟”已终止，我们对此表示抱歉和遗憾。除非特地
ApacheCN 2019Q1 总结
weixin_34008933的博客
04-25 210
注意这个总结是不定期的，也就是重要的时间节点上会发这么一篇，告诉大家我们组织都做了什么。 1）首先，是组织的三大活动： 学习活动完全交给 Datawhale 处理，这样职责单一分工明确，效率更高一些。 恭喜 Datawhale 被评为上海交大国家级创业项目。 翻译活动即将暂停，因为翻译计划几乎全部完成了。请大家为我们推荐新的翻译项目。 今年开设/完成的已有翻译项目（不完全统计）： ...
Kafka史上最详细原理总结
热门推荐
我是Alvin家鸡鸭鱼的小米米
08-31 6万+
Kafka Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协调的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于hadoop的批处理系统、低延迟的实时系统、storm/Spark流式处理引擎，web/nginx日志、访问日志，消息服务等等，用scala语言编写，Li
探索热门开源Python机器学习项目：Scikit-learn至Shogun
6. Pylearn2: 建立在Theano之上的Pylearn2是一个高级机器学习库，支持用户自定义模型和算法，通过Theano的优化技术提高性能和稳定性，适用于CPU和GPU硬件。 7. Statsmodels: 作为Python中的统计分析库，Statsmodels...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值