“ If you want to go fast, go alone.
If you want to go far, go togeter. ”
传送门:ailearning.apachecn.org
Github:github.com/apachecn/AiLearning
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/ab0fa5fe4f9a9cd9a54d10b8aa3cdfad.jpeg)
这套名叫AI Learning的GitHub资源,汇集了30多名贡献者的集体智慧,把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。
很多初学者都会遇到这样的问题:入门机器学习应该从哪里学起?
贡献者表示,先学机器学习基础,然后攻克深度学习基础,最后学习自然语言处理(NLP)相关知识。“按照步骤: 1 => 2 => 3,你可以当大牛!”
在第一部分里,贡献者给出的学习路线图是这样的。
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/99c05c975f3c6d8ce6f1510f9ad3ab6b.jpeg)
在上面16个学习模块中,是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料,非常方便。
以第2章KNN邻近算法为例,正文内容大致是这个样子的:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/1213ce3ac3f70ed3a2df862eb69e9a6f.jpeg)
随后介绍了KNN项目案例,理论联系实践:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/d27f2a712d9781cd06d77f9163937355.jpeg)
项目代码自然也是不会缺少的:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/cc1f79c33a97de9f230a57b5f9863966.jpeg)
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/05f0f573ac6e99aefc11391028c1191e.png)
如果读不进文字,贡献者还提供了视频教程:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/c133c1549f4b51fe0dc625828491af56.jpeg)
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/bba8ad7e339b59505aaa20914d28545a.jpeg)
在第二部分深度学习基础中,扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点,并逐个附加了一篇介绍博文
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/6c1b3f9c2c443e54eb3b8056ae9a6225.jpeg)
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/4e332131f18bf8476e7d37da16b52672.jpeg)
第三部分则着重讲了自然语言处理(NLP)的学习路线和一些应用领域:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/7a89251ac60b28b481be4440dba2a77a.jpeg)
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/0192087b4e1f9b3ab88141943a08cffe.jpeg)
最后一部分Graph图计算还在更新中,目前包括了一个数据集和一本参考书目:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/e63532c9a7b68fb70119ca1717a6e854.jpeg)
(还是要支持正版书籍的,纸质书的手感更好)