只需要这一个网站就够了,机器学习入门资源大

作者: 数理科学  发布:2019-09-30

简要商量:这几个网址叫 Learn Anything,最后形象是「人们想要寻找什么文化,都会获得最高效且符合自个儿的读书路径,知识图谱」。以后网址刚刚创建不久,还处在相比早期,是个开源项目,我们风野趣能够参预一下,现在独有葡萄牙语版本,我们也能够上传一些华语的目录。

机器学习」以往真正太受迎接了,但为数不少人想学又不知底在哪找财富,所以此番为我们整理了关于「机器学习」的各样用赢得的工具、能源,希望能够帮到我们✧

图片 1

网站链接:Learn Anything

一、机器学习深造路径

作者 | 琥珀

出品 | AI农林科技大学本科营(ID:rgznai100)

本文翻译 Github 该类型的白皮书,以下大家都意味项目组织

就算是收拾财富作者也回先弄领会写作的前后相继顺序,学习也是同一啊,入门机器学习要先学会微积分、线性代数,懂一些编制程序基础,能力举办下一步的上学。先来寻访具体的上学内容:

最近,几个在 GitHub 上开源即获取了 3700+ Star 的品种,引起了士官的注意。据介绍,该项目以 TensorFlow 和 Scikit-learn 的机械学习框架的底蕴库为例,详细介绍了怎么着变成一名机器学习技术员的成才路子。


图片 2

图片 3

摘要

我们正在筹算确立三个开源的网址,能够令你通过线性的求学路线,交互式的学习地图了解别的文化。它以特其余章程关联着世界上的保有知识。那几个类型是开源的,不论是整个网址只怕寻找知识所用的地形图都以开源的。

探索 health,弹出的学识图谱

fitness 下的 Strength Training,有种种细分,就不一一列举了

是或不是乱套?看起来有个别复杂,倘诺平昔从算法技术员的角度出发的话,能够如此划分:

该品种的撰稿人仍旧一人来自意国的 IT 技术员,名为 Giacomo Ciarlini,十分俊气的有未有?

介绍

从实质讲,那个类型筹划缓慢解决的标题是,让顾客能够在网站上找到其余想学的文化,而且通过最有作用的路径来赢得和转载知识。网址经过大批量的链接构成了交互式的地图找出,顾客不仅能够直接搜索本身想要学习的内容,也能够依照我们提供的链路来举办学习。

享有的财富应该是最高品质的,全部的求学路径都应有是最赶快的。网址不唯有提供了读书别的特定内容的视觉路径,并且还提供了涉嫌的山下文反馈。举个例子,大家只要想要精通向量,大家网址将呈现矢量是线性代数的一片段,要是顾客查看线性代数,它会发掘越来越多线性代数相关的主旨。然则我们只会提供链接,但力求内容是最高品质的。理想图景下,提供的链接应该是无偿的,避防守客户因为学习花费而畏葸不前。

小编们还宣布了贰个录像,展示大家网址的效应,如何使用以及哪些为做出进献,让咱们都受益。

B 站录像点笔者

图片 4

图片 5

孝敬进程

客户贡献和创办、增多、退换内容,一步一步完善网址的体会,那是 Learn Anything 的为主。和 Google分裂的是,客户能够完全自己作主选用展示如何的链接,也许是 Reddit 上的一些商议,大概是某个互连网不有名职员但十一分有价值的博客,因为那一个博客大概没有SEO 而一点办法也未有在 Google 展现。

谷歌(Google)上多数有价值的剧情,都心余力绌表今后第一页,而人们大多数都只看率先页的搜寻结果。客商不能够接触到那么些更加深层也更有价值的故事情节。

在 Learn Anything,大家关怀寻觅的内容深度,大家把文化串联起来,以致孩子也得以轻易的浏览大家的网址,学习她感兴趣的学问。

这么就比较清楚了。明白完机器学习具体要学如何内容以后找能源也是有了实际的趋势。总括一篇机器学习的读书财富吧,从以下几个方面整理:

GitHub 传送门:

天性化学习

种种人喜欢的求学方式分歧。某一个人心爱看摄像,某人喜好阅读小说,某个人喜好动手试行。我们期望能帮助每一个人都能够找到最相符的财富。客商能够天性化的设置学习方式,过滤不想看见的内容。我们也提供了一种类似机器学习的 adaptive learning 模块,扶助顾客选取最相符自身的法子。

自然,天性化方面还会有众多功效需求思索,大家的网址是开源的,希望大家也能够创制出各个想要增加的效果与利益,能够有助于温馨,造福别人。我们也可以多多提供给,大家联合讨论也是绝非难题的。

  • 1)书籍:机器学习或然提到许多数学基础和理论知识的,啃书是须要的呀;
  • 2)视频:看书有个别地点看不到,那就听取大牌们的课吧;
  • 3)在线学习网址:机器学习照旧比较复杂,有个别网址提供相比较系统的上学路线;
  • 4)博客及社区:一些大牌们的经验总计真的能够利用起来,还应该有粤语社区能够调换座谈,感兴趣的能够看看;
  • 5)其他:别的与机械和工具学习有关的一些收拾。

结论

同理可得,大家相信那会对今后的教诲产生一些影响。相信大家或多或少开掘,世界上的教育正在以可疑的快慢发出更动。从编制程序和机具学习,到历史,艺术和不利,我们猎取知识的点子已经发生转移。Google提供了很好地下工作具来搜索知识,大家期望能够做出补偿,并提供就学路线。

咱俩期望成立一个盛放的生态,以最有效用的办管医学任张爱华西。这么些事情须要咱们协作和分享,一同去完结,所以项指标一切都以开源的,那表示你的加入能够辅助广大人。

克罗地亚(Croatia)语原来的小说:learn-anything/learn-anything
“本译文仅供个人研习之用,谢绝任何转发及用于其它商业用途。本译文所涉法律后果均由本身承担。自己同意简书平台在接获有关作品权人的照拂后,删除小说。”
旧文推荐:
节省 Web 开辟时间的 66个工具、库和能源
当代 Android 开辟财富汇总


@园长:网址虚构是好的,照旧相比较刚开始阶段,内容相当不够完善,能还是不可能成看社区的护卫和加入度了。今年3 月起头的类型,9 个月时间临近三千0的 Star,比较有噱头。看来,大家对自学的须要依旧一点都不小的。


项目老大 Angelo 见到了本文非常多相恋的人有立陶宛共和国(Republic of Lithuania)语的绊脚石,他让本身代为复原:

The website will eventually be multilingual, and Chinese is the first language that we need to add. Right now we're trying to solve some important issues with the structure of maps and the quality of resources (reducing spam), but after that I think it would be great to start working on making the website available to anyone, no matter which language they speak.

(差不离意思:汉语大家早就提上日程,会在化解当前难点后第有的时候间解决。现阶段的重大职务是优化网址组织和财富质量,我们会努力提供最棒的心得,不论顾客使用什么语言)

一经照旧未入门阶段的小友人,还足以看看这个小说:

笔者首先刚毅推荐了《Scikit-Learn 与 TensorFlow 机器学习实用指南》一书。之外,他还上传了全世界拔尖大学和开源组织的读书财富,并征集了理论和演示,以及对选择最棒财富的建议。

机器学习温和指南有趣的机械学习:最精通入门指南一个逸事表明什么是机器学习

内容器重分为四大学一年级部分:

二、学习资源

一、先决条件

1、书籍

Python

  • 《数学之美》:入门读起来很准确。
  • 李航的《总结学习方式》:详细介绍扶助向量机、Boosting、最大熵、条件随飞机场等十二个总计学习方式。
  • 《Pattern Recognition and Machine Learning》:必读书籍之一,很有用不过一定难啃。
  • 周志华的《机器学习》:认真读每一章都会有获得。
  • 陈希孺《概率论与数理总计》。大师的良心之作,应该是现今甘休评价最佳的一本概率论教材了。
  • AdrianBanner的《Prince顿微积分读本》。深入显出,极度注重基础知识的积存,解说也很洒脱,读起来不会认为没意思。

Jupyter Notebook

2、视频

亟需驾驭的骨干数学知识

  • 吴恩达公开学 :卓越中的精湛!
  • Computer中的数学 :《Computer中的数学》类别摄像,8位先生10讲内容,介绍微积分和线性代数基本概念在管理器学科中的各类风趣应用。
  • Machine Learning :伊利诺伊香槟分校的机械学习课程。从Stanford CS229 course下载讲义和笔记。首要讲明了线性代数的学问。
  • 搜狐公然课 :非常多有关机器学习的科目,国内做得很科学的公开学,翻译了部分海外出名的公开学教程,与海外公开学平台coursera有同盟。
  • YouTube上的,内容很圆满,偏可能率总结模型,每一小集唯有几分钟。
  • 李宏毅(英文名:lǐ hóng yì)机器学习 ,也是不可不看啊。

机械学习全貌

Ps.李宏毅(英文名:lǐ hóng yì)机器学习课程 ,完整的求学顺序

二、使如何利用 Scikit-Learn 进行机器学习

  • Learning from Data,内容更合乎进级。

何以是 Scikit-Learn?

3、在线学习网址

端到端机器学习项目

国内

线性回归

  • 极客高校:以录制的样式讲授,每节课的时间长度日常十五到拾八分钟。一些源码能够下载,后边还是能随着导师做一些档期的顺序。
  • 乐乎云课堂 :里面有点不清教学摄像,机器学习的课比较全,老师教师得也很详细。听他们说相当多人都以满怀对腾讯网云音乐的心绪去的ヽ、
  • 施行楼 :给您提供本领文档和设想的试验情形,你要接着步骤一步步来学,步骤很详细。还会有系统的上学路线,所以很相符机器学习的新手。像这种入手学的平常更便于学进去。
  • 慕课网 :每节课讲的时刻十分长,能够和煦选课程,有底蕴有项目,内容很丰裕。
  • 大象学院:里面有广大公开学,直播为主。各样教育者讲的内容差别样,切合有少数机器学习基础的同伴。
  • 优达学城 :分了机器学习入门课和进级课,有先生来自硅谷,课程比较正式。
  • 百度机器学习 BML

分类

国外

教练模型

  • Coursera
  • codecademy
  • edX
  • openlearning

支撑向量机

4、博客及社区

决策树

博客

合奏学习和大肆森林

  • 王海峰 :音讯找出,自然语言处理,机译方面的专家,ACL的副主席,百度高档物经济学家。
  • 周志华:机器学习和多少开掘地方国内的领军官物,更难得的是她的居多小说都有源码公布。
  • 火光摇荡Flickering: 一堆Tencent程序员分享的博客,内容提到概率总计、数据发现、机器学习、自然语言管理、并行计算等等,文章品质非常高。
  • Netflix:Netflix技能博客,非常多干货。
  • Free Mind :由 pluskid 全部限援助的 blog,首要记录一些机器学习、程序设计以及种种技艺和非本事的连锁内容,写得很科学。
  • The Open Source Data Science Masters:里面满含学ML/DM所供给的一对知识链接,且有个别给出了摄像教程,网页资料,电子书,开源code等。

无监督学习

社区

结语和希望

  • 博客园 - 开拓者的网络家园
  • matlab汉语论坛
  • CSDN论坛-IT技能沟通平台
  • V2EX
  • 果壳 - 机器学习小组

三、通过 TensorFlow 陶冶的神经互连网

6、其它

干什么选拔 TensorFlow?

有关网址

使用 TensorFlow

  • 自家爱自然语言管理
  • 机械学习 - 伯乐在线

ANN - 人工神经网络

学习笔记

CNN - 卷积神经互连网

  • tornadomeet 机器学习 笔记
  • Deep Learning学习笔记整理种类之

宝马X5NN - 递归神经网络

数学概念

教练网络:最好奉行

  • 机械学习中的数学-回归(regression)、梯度下落(gradient descent)
  • 机器学习中的数学-线性回归,偏差、方差权衡
  • 和3D相关的片段数学概念和公式
  • 梯度下跌(Gradient Descent)小结
  • 机器学习中的算法-决策树模型组合之随机森林与GBDT
  • 线性代数 Linear Algebra I:山西国立科学和技术高校莊重特别聘用教师主讲的线性代数课程,从泛函的角度来说解线性代数(同不时候兼顾了矩阵角度),会帮你组建一种更高屋建瓴的线性代数观念。
  • 叶丙成的票房价值课:那是二个概率的入门课程,珍视的是上课概率基本概念。
  • 国防外国语学院的高档数学课:要是你想复习或许重新学高端数学,大概局地地点书上讲得看不懂,能够看看这几个。

自动编码

编制程序语言学习

强化学习

  • C 语言入门教程
  • Scala 开辟教程
  • OpenGL
  • Python3 简明教程
  • CRUISER 语言基础入门

四、工具

编制程序库能源

机械学习项目

  • 机械学习开源软件网:收音和录音了种种机器学习的各类编制程序语言学术与买卖的开源软件。
  • libsvm:浙江高校的林教师的名作。
  • Orange:基于c++和python接口的机械学习软件,分界面能够,调用方便,能够何况学习C++和python,还会有可视化的机能。
  • WEKA :基于java的机器学习算法最完美最易用的开源软件。
  • Mallet:基于JAVA落成的机器学习库,首要用以自然语言管理方面,特色是马尔可夫模型和随机域做得好,可和WEKA互补。

多少科学工具

好了,以上正是收拾出的机器学习全体财富,希望对我们有帮带啊~

博客 / YouTube 频道 / 网站

越来越多趣味实验能够直接待上访谈实验楼,在线实验际遇操作方便,为大家定时更新最棒实验!

各样标签下,小编都有详实的分解并交由了实战操作的财富,实乃良心之作!上边,就由少尉来详细介绍下这么些类型里有怎么着值得一看的能源(并附着部分课程链接)。

图片 6

一、先决条件

Python

基础知识:

我还提议,除了对 Python 纯熟精晓外,还足以理解下 Numpy,它是数学生运动算的显要模块,能够推动你在前边 Python 情状中程导弹入 Tensor 数据类型。

Python3 安装地方:

PyCharm Community Edition(多个用来 Python 开垦的总体 IDE,为实验装置四个新的 Python 设想景况)

安装地方:

Jupyter Notebook

是三个开源的 Web 应用程序,支持客商创造和分享文书档案,包涵 live code,方程,可视化,汇报文本。比如,数据洗濯、数值模拟、计算建模、数据可视化、机器学习等。

必要调整的骨干数学知识

在笔者看来,数学是机器学习背后的根本基础。但最首要的是,掌握关键概念并认知到那么些数学方法的应用领域和局限性。

她付出了四个科目链接,分别是:

线性代数:

可能率基础和总计:

任何数学能源:

机器学习全貌

最终,还要经过一篇科普读物,领会整个机器学习全貌:

二、怎样行使 Scikit-Learn 实行机器学习?

安装 Scikit-Learn

python pip install -U scikit-learn

若果设置时境遇有的标题,可能是您更新到最新版本的 pip,所以在同三个文件夹内运维:

python -m pip install --upgrade pip

何以是 Scikit-Learn?

Scikit-Learn 是机器学习职责中最完整、最成熟,且记录完整的库之一。它开箱即用,具备庞大而提升的模型。

端到端机器学习项目

Kaggle,作为机器学习和通用数据科学项目标主要推荐平台,它提供了大气无偿数据集,以及风趣的挑衅和 ML 模型试验。

线性回归

线性回归是最轻便易行的机械学习格局,也是模型演练的源点。

能够参见吴恩达的辩驳课程:

分类

比如想要从分化的大概性中臆度结果,分类则是最重大的机器学习任务之一。最简易的景象是二元分类问题。

教练模型

小编列举了 ML 职责中训练模型的局地工夫,在 谷歌(Google) Crash 教程中得以找到:

梯度下跌:

学习率:

SGD:

正则化:

支撑向量机

是开创 ML 模型的另一种杰出算法。

除了理论解释外,还或许有越多实战攻略:

决策树

合龙学习和大肆森林

购并学习(Ensemble Learning)的思绪是使用了五款 ML 模型的兼具分裂特点、优缺点,以期获得最有极大希望性的预测结果。

合龙学习基础知识:

随机森林最出色推行:

无监察和控制学习

包涵了无监督学习的介绍、解释,以及与监督检查学习、强化学习时期的反差。

至于涉及的四个关键才干:关联规则(Association Rules)和聚类,小编分别提供了示范和科目。

三、通过 TensorFlow 磨炼的神经互连网

在本节中,作者老将推荐北卡罗来纳Madison分校大学深度学习课程以及其余互连网教程,帮助学习者火速驾驭那么些剧情。在那之中囊括 ANN、CNN、路虎极光NN 等不一致等级次序的机器学习模型。实际上,作者花了相当长日子去通晓神经互联网的商量和使用,包涵阅读博客、官方网站论坛、学习路线。

她提交了“三步走”的提出:

通过帝国理教院教程明白神经互连网的第一概念,不要过多操心一些数学解释,而要关切如何和怎么;

行使理论 + 教程 + 示例(如 RubiconNN 理论 + 途乐NN 教程 + 讴歌RDXNN 示例),每一回只深度探求三个核心;

每研讨完多少个宗旨,就想起一回南洋理经济高校的教程。这种方法将协助你完全明了有所公式,并将课程中关系的 “数学” 相关知识联系起来,一举三反。

作者表示,以上这种措施可依靠供给重新数次,然后在你的脑力中构建三个佳绩的通用模型。

加州圣地亚哥分校高校课程 PPT 地址:

干什么选取 TensorFlow?

时下,TensorFlow 已经集团里达成机器学习算法的事实标准。

在装置 TensorFlow 库从前,你只需在 Python 安装文件夹中展开多少个极限并运维此命令:

python pip install tensorflow

ANN - 人工神经网络

CNN - 卷积神经网络

奇骏NN - 递归神经互联网

磨炼网络:最棒实践

自动编码

深化学习

以上细节就不一一细讲了。

四、别的财富

除此之外上述内容之外,小编还访谈了大批量文章、互连网应用程序、最棒实施、项目和存款和储蓄库。

机器学习项目

图片 7

工具

图片 8

YouTube 频道

图片 9

博客

图片 10

以及,别的值得一看的网址:

图片 11

小编最终表示,将在接下去的光阴里对两样的主旨举办扩大,包涵:无监督学习、机器学习心态框架(如何像数据物工学家同样考虑)、使用 Pandas 举行数量管理和希图、特征采纳、特色工程、扩充参数优化部分、Keras 库、TensorFlow 2.0、怎么样在 AWS、Azure 上安排模型等。

(本文为 AI财经学院本科营原创文章,转发请微信联系 1092722531)

本文由奇幻电玩城游戏下载发布于数理科学,转载请注明出处:只需要这一个网站就够了,机器学习入门资源大

关键词: