收藏！机器学习100个相关资源推荐

最新推荐文章于 2023-06-08 16:22:50 发布

Nstar-LDS

最新推荐文章于 2023-06-08 16:22:50 发布

阅读量580

点赞数 3

分类专栏：机器学习笔记文章标签：机器学习深度学习人工智能

本文链接：https://blog.csdn.net/nstarLDS/article/details/105708022

版权

本文推荐了一系列机器学习和深度学习的优质资源，包括经典教材、视频课程、工程实践指导和研究方法。强调了扎实基础的重要性，推荐了如《统计学习方法》、《机器学习》、《深度学习》等教材，并提供了吴恩达的机器学习和深度学习课程、CS231n计算机视觉课程等视频资源。此外，还分享了pytorch、numpy和tensorflow的中文文档，以及各种模型的实践代码和预训练语言模型使用文档。

摘要由CSDN通过智能技术生成

100篇导航检索式网站、学习笔记与教材推荐（资源持续更新中~）

前言

理工科生从大三往后，往往已经具备了学习机器学习和深度学习的基础了，此时已经具备了高等数学、概率统计和线性代数的初步知识，本篇文章主要想描绘从此刻开始，到一个合格的熟练掌握机器学习和深度学习知识的专业领域内的拔尖人才，这中间的路上需要踩过哪些地砖。都是一些个人的意见，仅供参考。

写之前先端正一个至关重要的观念，只有基础扎实的人，未来才可能成为一个具备创造力的人。许多人受迷惑于当今的神经网络热潮，在基础尚未训练牢靠时，致力于用奇思妙想改进网络，致力于阅读paper寻找idea来碰巧变个新模型有个好效果来发paper，这些都是舍本求末。其实许多的新东西万变不离其宗，极少极少能有好想法可以完全凭空出现而不依托于前人的思想，而有了想法也需要扎实的基础才能实现和证明。例如，只需要熟练掌握概率统计的知识，就知道已经有了方差描述数据为什么还需要有标准差，这其间的思想就足以产生batch normalization的idea；熟练掌握隐马尔可夫链的相关知识，也具备了发现RNN神经网络的能力；详细了解统计学习和数值分析的知识，就能通过基函数的知识得到神经网络的雏形以及如何优化。

明确了基本观念之后，就是如何做了。总结一下大牛们的观点就是以教材为主线，吃透教材中的基础知识。

为什么如此强调经典教材的学习呢？因为经典教材的内容往往代表了大牛们对知识点最本质的理解和梳理。最本质的理解和梳理有什么好处？那就是可以举一反三，用起来可以得心应手，只有这样这个知识点才真正属于自己。许多人热衷于主要通过博客的方式来学习东西，工程实操类的知识点还好，可是理论上的知识点如果不通过经典教材来学习就会埋下许多隐患。许多人会说：“可是我读完博客就确实理解了这个知识点了啊！”没错，大部分的用心的博客看起来都能让人有一种恍然大悟的感觉，可是许多时候产生这样的感觉往往是假象，当你面临另一个场景的时候就会发现，为什么还是束手无策还是一头雾水呢？其实就是盲人摸象的道理，博客的质量确实很好，但是如果把知识点比作象，有的博客摸到了象腿，于是就在博客中告诉你这是象腿，当然很令人恍然大悟，噢！这多简单！可是下次遇到象头呢？自然束手无策了。而大牛们在经典教材中会教你，如何识别一个大象，学会这个的过程可能很困难，可是这才是把握本质应当付出的努力。

个人整理了自己学习过程中收藏的一些资源，觉得质量很高，在此分享给大家。