内容简介:最近在利用业余时间学习机器学习,期间搜集整理了不少学习资料,多为斯坦福/康奈尔等大学的公开课和讲座,以及机器学习领域的英文原版书籍。私以为,相比国内各大社区里出处不明的入门教程,还是一手的权威资料讲得更加深入和准确,所以,何不食肉糜呀!另外,机器学习领域大牛很多,领域很广,应用更是广阔到难以尽数,作为一个ML小白,这篇文章的内容也并不会多完备,不求尽善尽美,只是抛砖引玉,一起交流学习。](
最近在利用业余时间学习机器学习,期间搜集整理了不少学习资料,多为斯坦福/康奈尔等大学的公开课和讲座,以及机器学习领域的英文原版书籍。私以为,相比国内各大社区里出处不明的入门教程,还是一手的权威资料讲得更加深入和准确,所以,何不食肉糜呀!
另外,机器学习领域大牛很多,领域很广,应用更是广阔到难以尽数,作为一个ML小白,这篇文章的内容也并不会多完备,不求尽善尽美,只是抛砖引玉,一起交流学习。
1.计算机基础
-
python 入门:
-
Java入门:
-
算法:
-
数据库:
-
离散数学:
-
操作系统:
2.数学和统计基础
- 线性代数(Linear algebra)【必须】
- 微积分(Calculus)【必须】
- 优化(Optimization)【必须】
- 基础统计(Statistics)【必须】
- 实分析和泛函(real analysis, functional analysis)【非必须】
3.入门
- 机器学习入门 :吴恩达的这个课可能没有人不知道了
- 《统计学习导论》 :这本书里面的编程很轻量,但是作为直觉培养和思路练成,仍然是不错的
- 深度学习入门 :吴恩达的这个课用来入门深度学习也不错
- 人工智能入门 :Udacity的第一门旗舰AI课,基于斯坦福大学的一门本科生课程,会涉及一点比前几门入门课更宽广的概念
4.进阶
- [挖掘海量数据集
]( http://web.stanford.edu/class... :之前的几个课程主要是讲监督学习的,这门斯坦福的课程稍微宽广一点,并不完全是机器学习,但是对扩大知识面和实践有帮助
- 高级机器学习 :康奈尔大学的机器学习课程,可惜没有录像,只有课件,关于实战的部分讲的还是不错的
- 《The Elements of Statistical Learning》 :经典ESL
- 《Pattern Recognition and Machine Learning》 :经典书
5.应用
-
信息提取和搜索
-
推荐系统
-
图像识别
- stanford CS231n :Andrej版的堪称经典
-
自然语言处理
-
加强学习
-
无人车
6.框架
- Tensorflow: https://www.youtube.com/channel/UC0rqucBdTuFTjJiefW5t-IQ
- Pytorch: https://course.fast.ai/
- Caffe
7.扩展注意事项
数据量大了会面临的问题,一些最最小白的介绍,大佬可跳过
-
分布式系统:
-
系统设计
-
分布式OLTP和OLAP
机器学习系统和平台
-
什么是机器学习系统?
-
机器学习平台
-
Google:
-
Facebook:
- FB Learner flow [https://code.fb.com/ml-applications/introducing-fblearner-flow-facebook-s-ai-backbone/](https://code.fb.com/ml-applications/introducing-fblearner-flow-facebook-s-ai-backbone/)
-
Uber:
- Michelangelo [https://eng.uber.com/scaling-michelangelo/](https://eng.uber.com/scaling-michelangelo/)
- 深度学习 Horovod https://eng.uber.com/horovod/
-
linkedin:
-
Airbnb:
-
安利时间
我们在web开发过程中,都见过或者使用过一些奇技淫巧,这种技术我们统称为黑魔法,这些黑魔法散落在各个角落,为了方便大家查阅和学习,我们做了收集、整理和归类,并在github上做了一个项目—— awesome-blackmargic ,希望各位爱钻研的开发者能够喜欢,也希望大家可以把自己的独门绝技分享出来,如果有兴趣可以给我们发pr。
欢迎加入我们的QQ群(784383520),一起交流学习。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。