2021入坑机器学习,有这份指南就够了(附资源)

关注并星标

从此不迷路

计算机视觉研究院

f81d362a222a25cfbcab311aeaf76fcb.gif

、.

2021入坑机器学习,有这份指南就够了(附资源)_第1张图片

学习群|扫码在主页获取加入方式

计算机视觉研究院专栏

作者:Edison_G

这是一份适用于小白的机器学习超丰富资源指南。

背景

转自《机器之心》

机器学习社区社交媒体上经常有人提这样的问题:

  • 我如何开始机器学习?

  • 我如何main飞学习?

  • 什么是人工智能?我怎么样才能学会它?

  • 人工智能是如何工作的?我该从何学起?

  • 如果我没有开发人员北京,该如何开始?

  • ......

面对这些问题,油管博主 What's AI——Louis Bouchard 撰写了一份关于「如何在 2021 年零基础开始机器学习」的完整指南,整合了大量学习资源,而且大部分是免费的。

2021入坑机器学习,有这份指南就够了(附资源)_第2张图片

项目地址:https://github.com/louisfb01/start-machine-learning

该资源现已获得 1.6K star 量,并且仍在持续更新中。我们来看一下这份指南的具体内容。

2021入坑机器学习,有这份指南就够了(附资源)_第3张图片

1. 首先 Bouchard 列出了一些初步了解机器学习领域及其术语的视频,并整理好了 免费链接,包括 What's AI 的 Learn the basics in a minute、Welch Labs 的 Neural Networks Demystified 和 3Blue1Brown 的 Neural networks。

2021入坑机器学习,有这份指南就够了(附资源)_第4张图片

Welch Labs 的 Neural Networks Demystified

2. 第二部分 Bouchard 进一步列出了一些更系统的机器学习入门课程,包括 AI 大牛吴恩达的斯坦福 CS229。

2021入坑机器学习,有这份指南就够了(附资源)_第5张图片

3. 阅读一些优秀的线上文章,线上文章大多是被多次浏览的,优秀的技术文章能够脱颖而出说明它们受到许多人认可。目前 Bouchard 列出的文章包括:

2021入坑机器学习,有这份指南就够了(附资源)_第6张图片

4. 除了文章,一些体系完整的书籍也是可以阅读学习的,Bouchard 给大家整理了一些书目的在线版:

2021入坑机器学习,有这份指南就够了(附资源)_第7张图片

5. 入门机器学习没有相关的数学知识怎么办?这让许多初学者望而却步。在这份指南中,Bouchard 给大家推荐了可汗学院的 3 门数学课程:线性代数、统计与概率、多元微积分。此外,他还推荐了一些与数学相关的书和视频,供大家进行更结构化的学习。

2021入坑机器学习,有这份指南就够了(附资源)_第8张图片

可汗学院的线性代数线上课程。

6. 除了数学基础,一些跨专业学习的初学者可能缺乏编程的基础知识。Bouchard 主要为大家整理了一些学习 Python 的课程资源:

2021入坑机器学习,有这份指南就够了(附资源)_第9张图片

7. 与其他领域一样,名校以及领域内大牛的课程是含金量非常高的,例如图灵奖得主 Yann LeCun、吴恩达等都有自己的线上课程,Bouchard 的指南中目前整理了如下内容

2021入坑机器学习,有这份指南就够了(附资源)_第10张图片

8. 掌握理论知识后,实践也是非常重要的。Bouchard 在指南中推荐了数据建模和数据分析竞赛平台 Kaggle,在 Kaggle 上完成相应题目的编码和测试是机器学习社区常见的实践学习方式。

2021入坑机器学习,有这份指南就够了(附资源)_第11张图片

Kaggle 平台地址:https://www.kaggle.com/

9. 此外,Bouchard 还为大家整理了一些提供领域新闻和资讯的社区平台或网站。借助这些平台,研究者们能够查阅最新的研究进展和论文等,包括 reddit、Medium 等。

2021入坑机器学习,有这份指南就够了(附资源)_第12张图片

最后,Bouchard 整理了 AI 领域目前面临的重要问题——伦理道德与可信 AI 的相关信息,还在个人博客中总结了一些机器学习工作面试的小技巧:https://www.louisbouchard.ai/learnai/#how-to-find-a-job

2021入坑机器学习,有这份指南就够了(附资源)_第13张图片

如此完备的机器学习入门指南,感兴趣的同学快去查看原项目的丰富资源吧

© THE END 

转载请联系本公众号获得授权

8b42ed1c01f2717a78e57f23b495500d.gif

计算机视觉研究院学习群等你加入!

计算机视觉研究院主要涉及深度学习领域,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架,我们这次改革不同点就是,我们要着重”研究“。之后我们会针对相应领域分享实践过程,让大家真正体会摆脱理论的真实场景,培养爱动手编程爱动脑思考的习惯!

2021入坑机器学习,有这份指南就够了(附资源)_第14张图片

扫码关注

计算机视觉研究院

公众号ID|ComputerVisionGzq

学习群|扫码在主页获取加入方式

你可能感兴趣的:(算法,人脸识别,机器学习,人工智能,编程语言)