**本文转载,尊重原创!**
这是我个人的机器学习入门清单及路线,所以没有像很多收藏夹那样大而全,一来学不完,二来给自己压力。这是个人的路线。算是个人记录,也给大家参考,如有什么不足之处,欢迎指教。
前置知识及技能:
1、线性代数基础,如果没的话,还是先学了这门课在研究吧,不然会哭的。
2、学会python就行了。R也可以用用。
3、英语。起码能基本的听和读吧,感觉中文的资料还不够多,很难避免要看很多英文资料。建议学习某些教程时看英文版的tutorial,YouTube可以开字幕。
做了个流程图,来展示下我的学习路线。
除了入门课程外,其他四项其实不完全是按照流程的(但总体上是),有时实战时需要学新模型。有时学了某些模型再选方向也未迟。但是入门课程,尤其是Coursera那个,一定要看完了才开始后面的学习。下面给出每项的学习地址:
入门课程
1. Machine Learning | Coursera,入门首选,推荐只认识“机器学习”四个字但还不知道它是什么的学习
这些年机器学习的大多数年轻人靠这个入门。具体提纲我就不列了,免得增加篇幅。建议是直接按顺序一课课学,不要着急。在学完这个课程前,不要学后面的。
2. CS231n: Convolutional Neural Networks for Visual Recognition
Stanford最受欢迎的课之一。做图像识别的,就算不想搞图像识别,也会学到很多有用的通用的东西。
框架研究
TensorFlow。推荐一个简单的中文入门教程。主讲人是一个在美国读大学的中国留学生,讲得很有趣。(咦,youtube的没自动转)
https://www.youtube.com/watch?v=8X9QUwtRSs0&list=PLwY2GJhAPWRcZxxVFpNhhfivuW0kX15yG&index=1
墙内的朋友可以在bilibili看(一样的)
哔哩哔哩 ( ゜- ゜)つロ 乾杯~ Bilibili
caffe
caffe是Facebook的开源框架。新的caffe2支持手机跑模型,可以说是非常先进了(当然手机性能嘛,就……)
Caffe | Caffe Tutorial
比较好的中文教程没有找到,望有人留言推荐。
theano
没怎么研究这个,但这个教程看起来不错
https://www.youtube.com/watch?v=OU8I1oJ9HhI
技巧,算法与模型
特征工程:
特征工程到底是什么? - 知乎
CNN:
卷积神经网络工作原理直观的解释? - 知乎
RNN:
循环神经网络RNN打开手册 - 知乎专栏
你有哪些deep learning(rnn、cnn)调参的经验?
方向选择
机器学习领域,如何选择研究方向? - 知乎
深度学习目前主要有哪些研究方向? - 知乎
训练实战
阿里云天池:
天池大数据众智平台-数据科学家社区
kaggle:一个竞赛网站,最近被谷歌收购后更火爆了。
Your Home for Data Science
很多比赛是有奖金的,能拿个奖基本大把公司主动给你工作机会。可以从Titanic这个比赛开始。 Titanic: Machine Learning from Disaster
要了解kaggle,我推荐一个不错的文章:
Kaggle入门,看这一篇就够了 - 知乎专栏
篇幅虽然有点短,但是学起来还是很久的。
最后共享一下自己的收藏夹,会持续更新,欢迎关注:
我的机器学习参考 - 收藏夹 - 知乎