推荐 | 一个深度学习算法工程师的成长之路
公众号推荐
推荐人/文文
俗话说，一个人走得快，但一群人可以走的远。在数据科学和机器学习的道路上，相信每个人都不是闭门造车的人。技术学习除了在个人努力外，交流和分享也是很重要的一部分。
今天给大家推荐的微信公众号「机器学习实验室」，一个以机器学习和深度学习为主题的，包括但不限于爬虫与数据采集、数据分析与数据挖掘、统计与数据可视化、R语言与Python学习的个人数据技术学习的公众号。
该公众号适合以下群体：
数据科学相关爱好者。
机器学习与深度学习算法从业者。
数学统计与计算机相关专业老师和同学。
号主简介
机器学习实验室的号主作为一名统计专业的硕士毕业生，一路从数据分析师进阶到深度学习算法工程师。现于杭州一家AI初创公司担任深度学习算法工程师，主要研究方向为计算机视觉。号主在数据科学和机器学习的各个方向均有所涉及，尤其对机器学习和深度学习钻研颇丰。曾参与狗熊会团队编写的《R语言：从数据思维到数据实战》一书。目前也正在撰写《深度学习笔记》一书，预计于年底出版。
《R语言 从数据思维到数据实战》
公号内容
机器学习实验室公众号内容丰富，已经发表高质量原创文章 130 余篇，主要覆盖以下方面内容：
1. 机器学习：主要包括主流机器学习算法的数学推导和Python手写实现。
机器学习算法手推系列(更新中)：
数学推导+纯Python实现机器学习算法1：线性回归
数学推导+纯Python实现机器学习算法2：逻辑回归
数学推导+纯Python实现机器学习算法3：k近邻
数学推导+纯Python实现机器学习算法4：决策树之ID3算法
数学推导+纯Python实现机器学习算法5：决策树之CART算法
数学推导+纯Python实现机器学习算法6：感知机
数学推导+纯Python实现机器学习算法7：神经网络
数学推导+纯Python实现机器学习算法8：线性可分支持向量机
数学推导+纯Python实现机器学习算法9：线性支持向量机
数学推导+纯Python实现机器学习算法10：线性不可分支持向量机
数学推导+纯Python实现机器学习算法11：朴素贝叶斯
数学推导+纯Python实现机器学习算法12：贝叶斯网络
数学推导+纯Python实现机器学习算法13：Lasso回归
数学推导+纯Python实现机器学习算法14：Ridge岭回归
2. 深度学习：包括对吴恩达deeplearningai系列五门课、cs231n、cs224d等课程的学习笔记系列。对DNN、CNN、RNN等主流神经网络和计算机视觉、自然语言处理等技术均有详尽文章。
深度学习60讲系列：深度学习第60讲：深度学习笔记系列总结与感悟
深度学习100问系列(更新中)：
深度学习100问-1：深度学习环境配置有哪些坑？
深度学习100问-2：深度学习应掌握哪些Git开发技术？
深度学习100问-3：深度学习应掌握哪些Linux开发技术？
深度学习100问-4：深度学习应遵循怎样的论文研读路线？
深度学习100问-5：如何阅读一份深度学习项目代码？
深度学习100问-6：有哪些经典的卷积类型？
3. R语言：包括R语言数据分析、ggplot2数据可视化、R语言爬虫等内容。
R语言：R语言兵器谱：数据科学家的十八般武艺
4. Python：包括Python爬虫、Python编程特性、数据结构等内容。
Python：Python爬虫的两套解析方法和四种爬虫实现
5. 论文研读：包括对计算机视觉(图像识别、目标检测、语义分割和实例分割)和自然语言处理等领域经典论文的研读和复现。
图像分类和图像分割经典论文研读：
深度学习第34讲：图像语义分割经典论文研读之 FCN 全卷积网络
深度学习第35讲：图像语义分割经典论文研读之 u-net
深度学习第36讲：图像实例分割经典论文研读之 Mask R-CNN
6. 技术综述：包括对机器学习和深度学习各研究方向的技术综述：
深度学习第24讲：计算机视觉之目标检测算法综述
深度学习第33讲：CNN图像语义分割和实例分割综述
深度学习第49讲：语音识别综述——从概念到技术（上）
深度学习第50讲：语音识别综述——从概念到技术（下）
7. 经验感想：主要包括个人学习、工作经验总结和技术观念等：
2019上半年，我成为了一名深度学习算法工程师
数据分析入行半年之经验、感悟与思考
一个统计数据人的职业生涯第一年
号主的志向：
数据热爱者。坚信数据技术和代码改变世界。机器学习和深度学习修炼中。进击的coder。为成为一名未来的数据科学家而奋斗终生。
正在学习机器学习的你千万不要错过哦！