机器学习学习路线

一、入门ML需要的基本技能

1.1 数学（略）

本科期间的高数、线性代数、概率论相关基础知识
有多余时间可以看看研究生需要学的矩阵论、凸优化等内容

1.2 编程语言python

理解基本语法，会调用一些常用的模块即可

B站[小甲鱼]零基础入门学习Python

推荐：廖雪峰老师的pyhton学习网站

有时间可以学习用python进行一些数据分析，爬虫等操作如
主要学习numpy，pandas，scikit-learn 等python包。

推荐：简书博客：《利用Python进行数据分析·第2版》
B站：Python爬虫编程基础5天速成（2021全新合集）Python入门+数据分析

二、ML基本理论知识

2.1 视频课程

Ng的课程非常出名，还有台湾李宏毅老师的课程，这两位老师的课程都可以在B站搜到
每年都有更新，另外翻一翻地下评论，会有大佬列出笔记、代码实现等等
1、B站：吴恩达cousera机器学习
2、B站：吴恩达Stanford_CS229
3、B站：李宏毅机器学习

推荐：先1后2

2.2 书籍、博客

西瓜书（周志华 机器学习）
花书（深度学习）
李航 统计学习方法

关于推导可以看看B站白板推导机器学习

刘建平老师博客
刘建平老师GitHub

简单看看就好，注意时间：时间多的话可以看看底层代码，知道输入输出参数具体含义是啥就好，属实没必要动手亲自写。时间少，能理解概念就好

2.3 实战

阿里云天池大赛赛题解析

kaggle

三、深度学习理论知识

深度学习主要有两个热门的分支1、计算机视觉CV 2、 自然语言处理NLP

3.1 框架学习

pytorh 或者 tensorflow
B站刘二大人：《PyTorch深度学习实践》完结合集
代码1
代码2

3.2 计算机视觉

B站：斯坦福李飞飞cs231n计算机视觉课程
看到RNN即可（1-22）
完成前两个作业

3.3 自然语言处理

B站：CS224n 斯坦福深度自然语言处理课
看P1-5 8 9 11
作业 a1 a2 a3 a5
邱锡鹏老师的书

3.4 实战

阿里云天池大赛
1、新闻文本分类
赛题解析、分析数据、基于机器学习文本分类
看看不同模型作文本分析的效果，怎样优化1、2、3、4
2、街道符号识别
赛题解析、数据分析、模型构建、模型训练与验证、模型的集成

3.6 进一步学习

1、B站李沐老师
2、《白面机器学习》，代码
3、复现最新论文

本文大部分内容由B站up @NLP从入门到放弃的 三个月从零入门深度学习，保姆级学习路线图视频整理。讲的肥肠详细，推荐大家康康
下面我去学习啦！！！

这篇文章也会随着我的学习进度而更新（主要是更新一些学习感受以及提醒大家避免的坑）