其他
AiLearning:一个 GitHub万星的中文机器学习资源
“ If you want to go fast, go alone.
If you want to go far, go togeter. ”
传送门:ailearning.apachecn.org
Github:github.com/apachecn/AiLearning
这套名叫AI Learning的GitHub资源,汇集了30多名贡献者的集体智慧,把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。
很多初学者都会遇到这样的问题:入门机器学习应该从哪里学起?
贡献者表示,先学机器学习基础,然后攻克深度学习基础,最后学习自然语言处理(NLP)相关知识。“按照步骤: 1 => 2 => 3,你可以当大牛!”
在第一部分里,贡献者给出的学习路线图是这样的。
在上面16个学习模块中,是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料,非常方便。
以第2章KNN邻近算法为例,正文内容大致是这个样子的:
随后介绍了KNN项目案例,理论联系实践:
项目代码自然也是不会缺少的:
如果读不进文字,贡献者还提供了视频教程:
在第二部分深度学习基础中,扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点,并逐个附加了一篇介绍博文
第三部分则着重讲了自然语言处理(NLP)的学习路线和一些应用领域:
最后一部分Graph图计算还在更新中,目前包括了一个数据集和一本参考书目:
(还是要支持正版书籍的,纸质书的手感更好)
历史文章推荐
AI综述专栏 | 多模态机器学习综述
深度学习中不得不学的Graph Embedding方法
旷视研究院新出8000点人脸关键点,堪比电影级表情捕捉
何恺明团队最新研究:3D目标检测新框架VoteNet,直接处理点云数据,刷新最高精度
打开阿兹海默之门:华裔张复伦利用RNN成功解码脑电波,合成语音 | Nature
图嵌入(Graph embedding)综述
半天2k赞火爆推特!李飞飞高徒发布33条神经网络训练秘技
再也不用担心我的公式写不出来了:一款公式输入神器实测
【深度学习】一文看尽深度学习各领域最新突破
2019 年 12 个深度学习最佳书籍清单!值得收藏
你正在看吗?👇