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)

3. 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

4. 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-2_allsobaiduweb~default-9-87339331.first_rank_v2_pc_rank_v29&spm=1018.2226.3001.4187.