我的機(jī)器學(xué)習(xí)入門清單及路線！

這是我個(gè)人的機(jī)器學(xué)習(xí)入門清單及路線，所以沒有像很多收藏夾那樣大而全，一來學(xué)不完，二來給自己壓力。這是個(gè)人的路線。算是個(gè)人記錄，也給大家參考，如有什么不足之處，歡迎指教。

前置知識(shí)及技能：
1、線性代數(shù)基礎(chǔ)，如果沒的話，還是先學(xué)了這門課在研究吧，不然會(huì)哭的。
2、學(xué)會(huì)python就行了。R也可以用用。
3、英語。起碼能基本的聽和讀吧，感覺中文的資料還不夠多，很難避免要看很多英文資料。建議學(xué)習(xí)某些教程時(shí)看英文版的tutorial，YouTube可以開字幕。

做了個(gè)流程圖，來展示下我的學(xué)習(xí)路線。

除了入門課程外，其他四項(xiàng)其實(shí)不完全是按照流程的（但總體上是），有時(shí)實(shí)戰(zhàn)時(shí)需要學(xué)新模型。有時(shí)學(xué)了某些模型再選方向也未遲。但是入門課程，尤其是Coursera那個(gè)，一定要看完了才開始后面的學(xué)習(xí)。下面給出每項(xiàng)的學(xué)習(xí)地址：

入門課程

1.Machine Learning | Coursera 周志華機(jī)器學(xué)習(xí)
入門首選，推薦只認(rèn)識(shí)“機(jī)器學(xué)習(xí)”四個(gè)字但還不知道它是什么的學(xué)習(xí)。這些年機(jī)器學(xué)習(xí)的大多數(shù)年輕人靠這個(gè)入門。具體提綱我就不列了，免得增加篇幅。建議是直接按順序一課課學(xué)，不要著急。在學(xué)完這個(gè)課程前，不要學(xué)后面的。

鏈接：https://www.coursera.org/learn/machine-learning

2.CS231n: Convolutional Neural Networks for Visual Recognition
Stanford最受歡迎的課之一。做圖像識(shí)別的，就算不想搞圖像識(shí)別，也會(huì)學(xué)到很多有用的通用的東西。

鏈接：http://cs231n.stanford.edu/

框架研究

TensorFlow。推薦一個(gè)簡單的中文入門教程。主講人是一個(gè)在美國讀大學(xué)的中國留學(xué)生，講得很有趣。國內(nèi)的朋友可以在bilibili看（一樣的）

B站鏈接：https://space.bilibili.com/16696495/#!/channel/detail?cid=1588

caffe
caffe是Facebook的開源框架。新的caffe2支持手機(jī)跑模型，可以說是非常先進(jìn)了（當(dāng)然手機(jī)性能嘛，就.....) 比較好的中文教程沒有找到，望有人留言推薦。

鏈接：http://caffe.berkeleyvision.org/tutorial/

theano
沒怎么研究這個(gè)，但這個(gè)教程看起來不錯(cuò)

鏈接：https://www.youtube.com/watch?v=OU8I1oJ9HhI

技巧，算法與模型

特征工程：

特征工程到底是什么？https://www.zhihu.com/question/29316149/answer/110159647

CNN:

卷積神經(jīng)網(wǎng)絡(luò)工作原理直觀的解釋？https://www.zhihu.com/question/39022858)

RNN:

循環(huán)神經(jīng)網(wǎng)絡(luò)RNN打開手冊(cè) https://zhuanlan.zhihu.com/p/22930328

你有哪些deep learning（rnn、cnn）調(diào)參的經(jīng)驗(yàn)？https://www.zhihu.com/question/41631631

方向選擇

機(jī)器學(xué)習(xí)領(lǐng)域，如何選擇研究方向？https://www.zhihu.com/question/28689201

深度學(xué)習(xí)目前主要有哪些研究方向？https://www.zhihu.com/question/23140232

訓(xùn)練實(shí)戰(zhàn)

阿里云天池：

天池大數(shù)據(jù)眾智平臺(tái)-數(shù)據(jù)科學(xué)家社區(qū)：https://tianchi.aliyun.com/?_lang=zh_CN

kaggle：一個(gè)競賽網(wǎng)站，被谷歌收購后更火爆了。
地址：https://www.kaggle.com/

很多比賽是有獎(jiǎng)金的，能拿個(gè)獎(jiǎng)基本大把公司主動(dòng)給你工作機(jī)會(huì)?？梢詮腡itanic這個(gè)比賽開始。
Titanic: Machine Learning from Disaster：https://www.kaggle.com/c/titanic
要了解kaggle，我推薦一個(gè)不錯(cuò)的文章：https://zhuanlan.zhihu.com/p/25686876)

計(jì)算平臺(tái)：

有的時(shí)候我們需要帶GPU的平臺(tái)跑代碼，本地性能可能不是很夠，推薦幾個(gè)（有免費(fèi)有收費(fèi)）：

1. Kaggle. Kaggle可以用來當(dāng)羊毛薅，你可以傳自己的dataset上去，也可以用它提供的dataset。
2. Google Colab。等于一個(gè)免費(fèi)的notebook環(huán)境，而且還能用GPU。
3. 百度AI Studio。就是不支持tensorflow

篇幅雖然有點(diǎn)短，但是學(xué)起來還是很久的，一起加油。

延伸閱讀：《Datawhale人工智能培養(yǎng)方案》

桔了個(gè)仔

南洋理工大學(xué)

Datawhale成員