人工智能知识整理-第1辑（20170603）-机器学习入门资源汇总

有一天我忽然忘记了一个函数的用法，于是就上谷歌搜，结果搜出来的竟然是自己写的一篇笔记，上面有很详细的回答。当时感觉是跟另外一个自己进行交流，那一个是刚学完知识，印象还非常深的自己。

Paste_Image.png

于是翻了一下微信、微博和知乎上收藏的文章，发现有很多文章收藏以后没有认真地看，或者就是虽然看了，但也已经忘了。因此产生一个念头，用一个工具整理各个平台上收藏的文章，分门别类地放好，并且进行整理汇总，逼自己好好地复习一遍，并把整理好的资料发到网上，这样一来可以对自己所学的东西进行梳理巩固，使知识脉络结构更加清晰，二来又可以帮到其他人，这也是写文章的动力。

所以决定开个小专栏，《人工智能知识整理》，用来分享自己看过的，并且觉得有用文章，每一辑都以简介+链接的形式介绍，第1辑就以深度学习入门资源为主题，介绍自己曾经所学过的课程，或者觉得还不错的资源。

1. Fast.ai深度学习实战
   由Jeremy和Rachel创作的一系列深度学习课程，初学者即使不会微积分、不会概率论、不会线性代数、不会Python，都能一步步地在课程当中慢慢学会深度学习的应用，本号有一篇介绍的详细文章，大家请看：
   深度学习没你想象的那么难，Fast.ai 带你学习带你飞！

2. Andrew Ng--《Machine Learning》
   不用说，这门课程基本上是学机器学习的学生必修课程，直接到Coursera上进行学习：
   Coursera--Machine Learning

3. 深度 | 机器学习初学者最常见的5个错误：你该怎么避开它们？
   机器之心的文章，现在回头看看，这5个错误真的会犯：
   深度 | 机器学习初学者最常见的5个错误：你该怎么避开它们？

4. 人工智能从入门到进阶，机器之心高分技术文章全集
   同样来自机器之心，上面有非常多的资源，不过未经更详细的分类，读者需要有选择地阅读。
   人工智能从入门到进阶，机器之心高分技术文章全集

5. 技能 | 如何开始深度学习？这里有一份完整的攻略
   本文由AI100编译，作者是GRANDJANITOR，分享了他的学习历程。
   技能 | 如何开始深度学习？这里有一份完整的攻略

   总结，本人是从吴恩达的Machine Learning学起，吴老师的课程是带大家入门机器学习这个领域，机器学习包括很多很多方面，例如回归、分类、聚类、神经网络等等，课程基本上涵盖了主流的算法，也带大家用matlab实现了一遍。但这仅仅是开始，吴恩达带大家进入了机器学习的世界之后，如果想钻研某一方向的内容，就必须自己去寻找更深入的课程，比如笔者感兴趣的是图像深度学习，于是就去学Fast.ai，和李飞飞的CS231n。如你对推荐系统感兴趣，可以阅读项亮的《推荐系统实践》、《集体智慧编程》。如你对NLP感兴趣，Fastai的课程有NLP的内容、Michael Collins的公开课课程（跟吴恩达的风格比较像）、斯坦福CS224d，又或者入门时可阅读吴军老师的《数学之美》，都是非常好的课程资源。

“老师带入行，修行看自己。”