机器学习路线

机器学习的推荐学习路线

1.学习准备:

(1) 数学篇 高等数学: 微分部分即可(掌握微分原理) 线性代数: 掌握矩阵的基本运算、矩阵微分、Jacobian矩阵和Hessian矩阵 (2) 英语篇: 具有大学英语4级水平 (3) 编程篇: 具有使用Python解决基础数据结构问题的能力

2.学习路线(1年):

推荐直接学习国外一流大学的高水平视频课程,同步写课程作业,学习路线共分4步,

(1) 机器学习基础算法(3个月)

国外课程推荐:吴恩达机器学习(斯坦福大学CS229)
国内教材推荐: 《机器学习》 周志华 《统计学习方法》李航《机器学习课》邹博
(2) 深度学习(6个月)

计算机视觉(斯坦福大学CS231N)(3个月)
自然语言处理(斯坦福大学CS224N)(3个月)
(3) 机器学习编程框架(1个月)

Tensorflow(斯坦福大学CS20I)
PyTorch
(4) 强化学习(2个月)

UCL-Course(伦敦大学学院 ) (AlphaGo之父 David Silver)

  1. 学习宝典:

(1) 创建博客

CSDN
知乎
(2) 打AI比赛

天池
Kaggle
(3) 创建Github

课程作业
比赛代码
学习项目
(4) 读高水平英文论文

深度学习经典论文

  1. 编程建议:

编写代码是机器学习、深度学习有力的武器,但是也是需要循序渐进,不能一开始就使用“重武器”(框架),这样对基本的概念和掌握会很不牢靠,而且容易沾沾自喜,感觉自己都掌握了,其实不然。

建议路线:

python 徒手算法实现
使用sklearn等基础的机器学习库
学习Tensorflow或者Pytorch
学习Keras

五、机器学习的学习资料

(1)数学知识

1.线性代数

2.概率论

3.凸函数优化

4.随机梯度下降算法

5.机器学习中的数学基本知识

6.统计学习方法

(2)编程知识

Python复习
廖雪峰python3教程
github教程
机器学习代码修行100天
(3) 机器学习资料汇总

深度学习经典论文
深度学习斯坦福教程
莫烦机器学习教程
吴恩达机器学习新书:machine learning yearning
自上而下的学习路线: 软件工程师的机器学习

参考文章链接: https://blog.csdn.net/weixin_42137700/article/details/87339331?ops_request_misc=&request_id=&biz_id=102&utm_term=%E6%80%8E%E4%B9%88%E5%AD%A6%E4%B9%A0%E6%9C%BA%E5%99%A8%E7%AE%97%E6%B3%95&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-9-87339331.first_rank_v2_pc_rank_v29&spm=1018.2226.3001.4187.

你可能感兴趣的:(机器学习路线)