机器学习（深度学习）路线
数学相关
1.1 微积分：深度学习需要掌握高数微积分的知识，例如基本的求导、偏导数、梯度概念
资源：浙江大学微积分 MIT 微积分公开课[1] MIT 微积分公开课[2]
1.2 线性代数：需要掌握矩阵乘法、特征值、特征向量等，了解矩阵求导，深度学习中90%的运算可能都是优化为矩阵的运算，通过NumPy等高度优化的库完成。
资源：MIT 线性代数公开课 同济大学线性代数 清华大学李永乐-线性代数
1.3 概率论：了解各类分布，如正态分布、泊松分布等，权重初始化时常常使用某种分布的随机数进行初始化。掌握最大似然原理等。
资源：斯坦福大学cs229概率论pdf
Linux
Linux基础、shell编程、grep、awk、sed，正则表达式
视频教程：
相关书籍：
优质博客：
Python
1.1 Python基础
1.2 Python常用库：NumPy、Pandas、Maplotlib
pandas.read_csv函数详解
1.3 计算机视觉库：OpenCV2
- 计算机视觉之OpenCV中的GUI特性
- 计算机视觉之OpenCV图像的基础操作
- 计算机视觉之OpenCV中的图像处理1(13章-17章）
- 计算机视觉之OpenCV中的图像处理2（18章-20章）
常见报错问题：[导入报错问题]
1.3 机器学习构架：Scikit-learn
常见报错问题：[导入KFold报错] [版本更新报错问题]
1.4 深度学习框架：TensorFlow
TensorFlow环境配置：[CPU版本安装] [GPU版本安装]
高效的TensorFlow 2.0
常见报错问题：[路径相关]
1.5 深度学习框架：PyTorch
- [PyTorch环境安装配置]
- 官网：https://pytorch.org
1.6 PyQt5
Perl语言
2. 机器学习经典算法
逻辑回归：[算法原理推导] [实践项目]
决策树：[算法原理]
SVM：支持向量机（SVM） [算法原理推导]
KNN：
K-Means：
DBSCAN：
线性回归：[算法原理推导] [实践项目（auto-mpg数据）]
贝叶期：
PCA：
随机梯度下降（SGD）算法原理推导
3. 深度学习
3.1 全连接神经网络
激活函数大全 损失函数大全
3.2 卷积神经网络
3.3 循环神经网络
3.4 对抗生成网络
3.5 增强学习
4. 阅读论文
图像分类：
LeNet5：TensorFlow2利用MNIST数据集实现LeNet5卷积神经网络模型 [LeNet5网络介绍]
AlexNet：[论文翻译(中英文对照)] [论文翻译(中文)] [网络详解]
SENet：[论文翻译(中英文对照)] [论文翻译(中文)] [网络详细介绍]
VGGNet：[论文翻译(中英文对照)] [论文翻译(中文)] [网络详解]
GoogLeNet：[论文翻译(中英文对照)] [论文翻译(中文)] [网络介绍]
ResNet：[论文翻译(中英文对照)] [论文翻译(中文)] [网络介绍]
ZFNet：[论文翻译(中英文对照)] [论文翻译(中文)]
[汇总总结]
目标检测：
R-CNN：[论文翻译(中英文对照)] [论文翻译(中文)]
Fast R-CNN：[论文翻译(中英文对照)] [论文翻译(中文)]
Faster R-CNN：[论文翻译(中英文对照)] [论文翻译(中文)]
R-FCN：[论文翻译(中英文对照)] [论文翻译(中文)] [网络介绍]
YOLOv1：[论文翻译(中英文对照)] [论文翻译(中文)]
YOLOv2：[论文翻译(中英文对照)] [论文翻译(中文)]
YOLOv3：[论文翻译(中英文对照)] [论文翻译(中文)]
YOLOv4：[论文翻译(中英文对照)] [论文翻译(中文)]
其它：
Xception结构：[网络结构介绍]
5. 阅读书籍
Python相关
[1]. 丁嘉瑞等. Python语言及其应用[M] （英文原版：Bill Lubanovic. Introducing Python [M]）
[2]. 李斌. 用Python写网络爬虫[M]
[3]. 跟着迪哥学Python数据分析与机器学习实战. 唐宇迪
[4]. 王硕等. PyQt5快速开发与实战[M]
[5]. 范淼等. Python机器学习及实践_从零开始通往KAGGLE竞赛之路[M]
机器学习（深度学习）相关
[1]. Michael Nielsen. Neural Networks and Deep Learning [M]
[2]. Andrew NG. Machine Leaning Yearning[M]. Draft Version
[3]. 周志华. 机器学习[M]
[4]. Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow(2nd Edition)英文版
[学习笔记汇总] [pdf分享]
[5]. 走向TensorFlow 2.0：深度学习应用编程快速入门
[6]. 陆宇杰. 深度学习入门：基于Python的理论与实现[M]（原版：斋藤康毅(日). Deep Learning from Scratch [M]）
[7]. Francois Chollet. Deep Learning with Python [M] (英文版、中文版-张亮译)
[8]. Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning [M] (英文版、中文翻译版)
[9]. 邱锡鹏. 神经网络与深度学习[M]
[10]. Alexander T. Combs. Python Machine Learning Blueprints [M] (英文版、中文版-黄申译)
[11]. 何之源. 21个项目玩转深度学习：基于TensorFlow的实践详解[M]
[12]. 李嘉璇. TensorFlow技术解析与实战[M]
其它
[1]. OpenCV-Python官网教程（段力辉译）
5. 项目实践
- TensorFlow2加载NumPy数组格式MNIST数据集完成神经网络构建
- TensorFlow2利用泰坦尼克号获救CSV数据集完成数据预处理
- 感受神经网络的强大，对比普通机器学习分类算法与神经网络算法的分类能力
- TensorFlow2利用MNIST数据集实现LeNet5卷积神经网络模型
- Python实现逻辑回归(Logistic Regression)与梯度下降策略
- python徒手实现反向传播算法
- TensorFlow2利用MNIST数据集实现LeNet5卷积神经网络模型
- TensorFlow2利用Oxford-IIIT Pets dataset数据集(MobileNetV2预训练模型和pix2pix)完成图像分隔任务
- TensorFlow2利用tf.image实现数据增强
- TensorFlow2使用预训练的卷积网络(ConvNet)进行迁移学习
- TensorFlow2使用TensorFlow Hub进行迁移学习（利用flower_photos.tgz数据集）
- TensorFlow2利用猫狗数据集(cats_and_dogs_filtered.zip)实现卷积神经网络完成分类任务
- TensorFlow2利用Fashion_mnist数据集实现神经网络图像分类任务
- TensorFlow2利用Auto-MPG数据集实现神经网络回归任务
- TensorFlow2使用IMDB数据集电影评论完成文本分类任务
- TensorFlow2利用Cifar10数据集实现卷积神经网络
- TensorFlow2中使用Keras Tuner搜索网络的超参数
- TensorFlow2模型保存与加载