"机器学习、深度学习该如何入门?"
这是不少读者朋友经常向我们问起的问题。
入门内容涉及林轩田机器学习课程笔记、吴恩达 deeplearning.ai 课程笔记、机器学习、深度学习、笔试面试题、资源教程等。
还有之前倍受推崇的机器学习入门必学课程,如林轩田《机器学习基石》、《机器学习技法》和吴恩达 deeplearning.ai 专项课程。
如何系统化学习机器学习,第一时间掌握该领域最新的学习资料呢?
我有个朋友,北大毕业的硕士:红色石头,将以上精炼笔记公布在了他的公众号上:
林轩田机器学习基石笔记
【11】Linear Models for Classification
【14】Regularization
【15】Validation
林轩田机器学习技法笔记
【1】Linear Support Vector Machine
【2】Dual Support Vector Machine
【3】Kernel Support Vector Machine
【4】Soft-Margin Support Vector Machine
【10】Random Forest
【11】Gradient Boosted Decision Tree
【12】Neural Network
【13】Deep Learning
【14】Radial Basis Function Network
【16】Finale
吴恩达深度学习专项课程笔记
神经网络与深度学习:
【1】深度学习概述
【2】神经网络基础之逻辑回归
【4】浅层神经网络
【5】深层神经网络
优化神经网络:
【1】深度学习的实用层面
【2】优化算法
构建机器学习项目:
【1】机器学习策略(上)
【2】机器学习策略(下)
卷积神经网络CNN:
【1】卷积神经网络基础
【2】深度卷积模型:案例研究
【3】目标检测
【4】人脸识别与神经风格迁移
序列模型RNN:
【1】循环神经网络(RNN)
【3】序列模型和注意力机制
机器学习各个击破
【1】机器学习中的维度灾难
【7】通俗易懂!白话朴素贝叶斯
【10】7 种回归方法!请务必掌握!
【12】划重点!通俗解释协方差与相关系数
【14】一份机器学习的自白书
【18】今日机器学习概念:感知机模型
【19】机器学习碎碎念:霍夫丁不等式
【22】重磅 | AI 圣经 PRML《模式识别与机器学习》官方开源了!
深度学习各个击破
【2】白话生成对抗网络 GAN!【附源码】
【4】吴恩达《Machine Learning Yearning》中文版新鲜出炉!
【5】Python 深度学习,你的 Keras 准备好了吗?
笔试题精选
机器学习技法:
【1】机器学习笔试题精选(一)
【2】机器学习笔试题精选(二)
【3】机器学习笔试题精选(三)
【5】机器学习笔试题精选(五)
【6】机器学习笔试题精选(六)
【7】机器学习笔试题精选(七)
【9】200 道算法面试题集锦!Python 实现,含华为、BAT 等校招真题!
资源、工具、教程
【4】我的机器学习入门路线图
【5】我的深度学习入门路线
【6】撒花!吴恩达《Machine Learning Yearning》完结!
【7】2018 NLP圣经《自然语言处理综述》最新手稿已经发布!
【8】Git 简洁教程:本地项目如何与 GitHub 互连?
【9】撒花!吴恩达《Machine Learning Yearning》中文版新鲜出炉!
【12】致考研!谈谈我是如何考上北大的
【13】8K 星!这可能是最适合你的 TensorFlow 教程
【14】火爆 GitHub 的《机器学习 100 天》,有人把它翻译成了中文版
【15】OpenCV 机器视觉入门精选 100 题(附 Python 代码)
【16】2019 深度学习框架大盘点!看 PyTorch、TensorFlow 如何强势上榜?
【17】51 个深度学习目标检测模型汇总,论文、源码一应俱全!
【18】火爆 GitHub 的 16 张机器学习速查表,值得收藏!
【19】重磅 | 19 页花书精髓笔记!你可能正需要这份知识清单
【20】这 28 张精炼图,将吴恩达的 deeplearning.ai 总结得恰到好处!
【21】10 门必修的机器学习名校公开课,旨在完善你的 AI 学习路线!
【22】重磅!PyTorch 中文手册已开源!理论、实践、应用都有了!
【23】3 个相见恨晚的 Google Colaboratory 奇技淫巧!
【24】吴恩达的 CS229,有人把它浓缩成 6 张中文速查表!
【26】6 个核心理念诠释了吴恩达新书《Machine Learning Yearning》
【27】火爆网络的《神经网络与深度学习》,有人把它翻译成了中文版!
【30】深度学习 500 问!一份火爆 GitHub 的面试手册
【33】737 页《吴恩达深度学习核心笔记》发布,黄海广博士整理!
【35】72 页 PPT,带你梳理神经网络完整架构(含 PyTorch 代码)
他的公众号“AI有道”,里面有他自己所总结的机器学习入门经验和精炼笔记。当中包括各种资源、课程笔记和建议,以及基于他切身学习经历所规划的机器学习路线。
此外,红色石头一直专注于普及AI干货资源于分享,他在知乎“机器学习该怎么入门?”这一问题中作了详细的回答,收获了 4.3K 的赞同!知乎用户名“红色石头”,粉丝高达26700多!而更详细的内容都在他的公众号里!
除此之外,他还写了很多机器学习、深度学习内容文章,篇篇干货。组成一个比较合理、完整的机器学习、深度学习的学习路线图。
如果你正在学习或者考虑学习这些新技术,不妨关注下红色石头的公众号AI有道,在后台回复【学习路线】,即可获得完整的机器学习学习路线。