机器学习之学习路径、学习方法、常用工具、Python、Numpy、pandas、sklearn、Tensorflow、Pytorch、Git入门教学大纲

1. 新人学习路径：保姆级人工智能学习成长路径

2. 掌握学习方法与使用工具
   2.1 掌握高效学习方法：学习方法论
   2.2 掌握编程基本概念：新学编程之掌握基本概念
   2.3 编程必学必用技能之搜索引擎：万文多图之搜索引擎使用教程
   2.4 编程必学必用技能之工具使用：万文多图之软件工具使用教程
   2.5 2022年个人新学超好用工具使用：2022年超好用工具总结
   2.6 工作必用的操作系统Linux：新学必学的Linux常用命令(万文多图)
   2.7 适用于不同场景下更高效的Linux复制命令
   2.8 Linux文本处理神器awk实战案例
   2.9 工作必用的实用工具：一文掌握Git和GitHub的使用

3. Python基础
   3.1 Python运行环境(Jupyter Notebook)
   3.2 Jupyter Notebook 14个问题及解决方案
   3.3 万文多图之Pycharm使用图解
   3.4 查看python库的版本(本质原因、不同操作系统的的查看方法)
   3.5 Python编程规范
   3.6 Python基本语法(基本语句与函数、基本数据类型、新学错误总结)
   3.7 Python函数(结构、返回值、参数、参数传递方式、函数式编程、高阶函数、闭包、装饰器)
   3.8 Python面向对象
   3.9 Python Unicode实战
   3.10 Python字符串匹配神器TheFuzz库的实战详解
   3.10 Python文件操作(json、csv、tsv、excel、pickle文件序列化)
   3.11 Python对象序列化与反序列化的魔法方法(__getstate__()和__setstate__())
   3.12 一文掌握Python正则表达式(语法、验证方法、使用案例、练习题、常见错误)
   3.13 查看python源码位置方法以及潜在误区
   3.14 Python代码练习详细讲解(编程规范、算法、压力测试等)

4. 数据处理常用库Numpy、pandas、sklearn以及实战案例
   4.1 Numpy核心知识点总结上
   4.2 Numpy核心知识点总结下
   4.3 Pandas Series核心点总结
   4.4 Pandas DataFrame核心点总结
   4.5 使用Python类似pandas的方式读取xml文件
   4.6 scikit-learn sklearn XGBoost LightGBM使用汇总
   4.7 sklearn CountVectorzer参数详细介绍
   4.8 数据分析实例一：Python批量处理excel文件
   4.9 数据分析实例二：Python批量处理mdb和csv文件
   4.10 使用Python在Windows环境下切换输入法
   4.11 使用Python读取Windows注册表

5. Pytorch
   5.1 Centos 7安装显卡驱动、cuda、cudnn、tf、pytorch
   5.2 PyTorch的基本概念介绍
   5.2 PyTorch和Numpy之间的联系和差异的详细阐述
   5.3 PyTorch的数学运算
   5.4 PyTorch的自动求导
   5.5 PyTorch实现神经网络优化方法
   5.6 PyTorch实现逻辑回归
   5.7 简单网络在Numpy和PyTorch上的实现
   5.8 多层简单神经网络在PyTorch中的实现
   5.9 PyTorch实现正则化和Dropout
   5.10 PyTorch使用CNN对手写数字进行识别
   5.11 MNIST读取出错RuntimeError: Dataset not found or corrupted. You can use download=True to download it 解决方案，该篇是5.10 Bug的解决方案。
   5.12 Pytorch文本分类
   5.13 Word2Vec在PyTorch中的简单实现
   5.14 语言模型在PyTorch的简单实现
   5.15 AlexNet论文解读与代码实现
   5.16 torch.gather()之通俗易懂讲解
   5.17 Pytorch使用汇总

6. Tensorflow 2
   6.1 TensorFlow 2 Hello world: 构建最简单的神经网络
   6.2 TensorFlow 2 实现线性回归和非线性回归
   6.3 TensorFlow 2 对MNIST数据进行分类，包括层数加深、Dropout、正则化、CNN、RNN的使用
   6.4 TensorFlow 2 保存、读取、绘制模型
   6.5 TensorFlow tf.train.Example和TFRecord的实战学习
   6.6 tensorflow.keras和tensorflow使用汇总

  该课程是本人自主设计开发的，曾经帮助过数十个非计算机学科的同学进入算法行业就业，为了帮助更多的同学，特意将其整理为专栏文章，希望订阅专栏的同学都能够有所收获。等把该专栏学的八九不离十，就可以尝试参加AI比赛。希望热爱比赛的同学能早日找到属于自己的天池。

  注：该课程中涉及到的Python版本为3，课程内容会持续更新。