机器学习规划
Github上的AI Learning的资源,汇集了30多名贡献者的集体智慧,把机器学习的路线图、视频、电子书、学习建议等中文资料全部整理好了。目前在GIthub上已有10000+star,希望能给大家带来一点帮助。
传送门: [https://github.com/apachecn/AiLearning]
学习路线图
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?
他们建议,学习路径分三步,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。贡献者表示:按照这个流程来学习,你可以当大牛。
机器学习基础部分学习路线图:
1.机器学习基础
2.KNN近邻算法
3.决策树
4.朴素贝叶斯
5.逻辑回归
6.SVM支持向量机
7.集成方法
8.回归
9.树回归
10.K-Means聚类
11.利用Apriori算法进行关联分析
12.FP-growth高效发现频繁项集
13.利用PCA来简化数据
14.利用SVD来简化数据
15.大数据与MapReduce
16.推荐系统
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。
机器学习有这一份资料足以!!!