适用于非科班的深度学习/机器学习快速上手路线

写在前面

我维护的项目
  开箱即用，涵盖主流模型的图像分类|主干网络学习/对比/魔改项目
  图片数据不够？我做了一个免费的图像增强软件
  图像检测与分割标注文件XML/JSON/TXT一键批量转换&编辑软件
我的秋招面经（超500人订阅，助力上岸）
  人工智能算法面试大总结-总目录
欢迎关注、Star
  Bilibili GitHub 公众号【啥都会一点的研究生】

现在太多教程上来就让你啃花书西瓜书这些，殊不知这个过程非常劝退，浇灭了当初对人工智能兴起的热情，且照目前大部分非科班专业实验室研究课题来看，涉及到细究原理的地方其实很少。

非科班上岸无人驾驶算法岗，以下教程是我当初摸爬滚打一路总结实践，整理的适用于非科班的机器学习&深度学习路线，且已陆续收到反馈，理论与实践结合，话不多说，让我们开始~

该路线所涉及资源均会提供出处，可直接学习，无任何套路~

优质课程与资料汇总（持续更新）

首先确定你的定位是进行算法研究

不局限于跟着网上教程进行简单的输入输出，因为确实可以不需要任何基础就能得到模型检测结果。

关于数学基础，需要一定高等数学、线性代数、概率论基础，由于考研时期受到了张宇老师、汤家凤老师、李永乐老师的点拨，所以这部分我当时是有基础的。

如果是零基础小白，使用教材再搭配这些老师的基础班就差不多了，后期碰到知识点再有针对的复习就行！插播一条，有同学强烈推介MIT线性代数课程，我也将高清重制版搬来了~

麻省理工学院 MIT 18.06 线性代数

接下来是编程工具的学习，Python是当时本科自学爬虫时学的（我有C语言基础，没有也没事），看的小甲鱼，现在也是出了新版

【Python教程】《零基础入门学习Python》最新版（2022年08月10日更新）

研究生入学前想系统的学习一遍Python，书籍用的《Python编程从入门到实践》，现在也是出了第二版

然后遇到了一个宝藏Python教程，将近500集，涵盖非常广且讲的很细

(强推)Python面向对象编程五步曲-从零到就业

然后打开机器学习的大门，最一开始看的是吴恩达网易版机器学习课程

(强推|双字)网易版吴恩达机器学习课程

今年也出了新版

(强推|双字)2022吴恩达机器学习Deeplearning.ai课程

搭配书籍《神经网络与深度学习》（回忆起手推反向传播这些日子hhh）
​
然后是吴恩达DeepLearning.ai版课程，该版本弥补了网易版知识点老旧的缺陷，尤其2021年还新加了很多知识点

(强推|双字)2021版吴恩达深度学习课程Deeplearning.ai

还穿插看了一部分李宏毅老师的机器学习课程（主要是Transformer、GAN等）

(强推)李宏毅2021/2022春机器学习课程

再比如浙大胡浩基老师机器学习课程（主要是SVM，但现在SVM用的少了）口碑都相当不错

(强推)浙江大学-机器学习

完成上述网课和书籍阅读后，看了李航老师的《统计学习方法》（现在出了《机器学习方法》，我还做过抽奖），可以搭配白板推导教程食用（上述只是对前几章有重点的看，什么K近邻、贝叶斯、最大熵、逻辑回归等等）

这一过程会疯狂面向百度，但是可以直接将你拔高

结束以上理论部分的毒打后不要急，咱接着遭受环境配置的折磨

此后在看了北京理工大学Numpy、Pandas、Matplotlib数据分析教程

北理-Python数据分析与展示-Numpy、Matplotlib、Pandas

结合菜鸟教程网中的教程进行学习
​

然后跟着龙曲良老师，学习了Tensorflowe2和Pytorch（19年国庆那会刚好出TF2，当时还在纠结），就我个人来说Pytorch用的多一点，然后推介一个小众但质量极高的外国Pytorch教学

适用于初学者的Pytorch神经网络编程教学

大家还可以看看李沐老师的《动手学深度学习》

该过程基本上能掌握之后所需的语法，如果有遗忘就有针对的面向百度就行

学到这里，基础阶段的理论与工具就可以满足需求了，接下来就可以和伙伴说分手，然后根据自己的研究方向进行细节的深挖啦，我自己是视觉方向，就不在这篇文章中细说了，之前都有整理在B站

|AI学习路线分享|做完这些，你已经成为机器学习方面的专家

都看到这了不点赞关注鼓励一下吗~

最后祝大家顺利，欢迎关注，不定期分享干货，一起在人工智能路上携手并进~