作者 何從慶

授權(quán)自 AI算法之心

近些天在微信群里經(jīng)常看小伙伴問到“機(jī)器學(xué)習(xí)如何入門，看哪些資料 ?”，于是乎想根據(jù)筆者學(xué)習(xí)兩年多的學(xué)習(xí)經(jīng)驗，介紹下機(jī)器學(xué)習(xí)如何入門，該看哪些資料？下面我將從以下幾個方面整理機(jī)器學(xué)習(xí)入門的資源：

（1）語言：機(jī)器學(xué)習(xí)中常用的語言。

（2）書籍：書中自有黃金屋，機(jī)器學(xué)習(xí)中涉及到的很多數(shù)學(xué)理論，只看視頻或者博客是很難獲取到完整的知識框架。

（3）視頻：書中有些公式推導(dǎo)很難理解，可以看看大牛們深入淺出的課程。

（4）博客：經(jīng)常看一些大牛們的分享，對于擴(kuò)展知識面具有一定的幫助。

（5）比賽：實踐是檢驗學(xué)習(xí)成果重要標(biāo)準(zhǔn)，參加一些算法競賽，對于理解算法有著良好的幫助。

（6）論文：對于一些碩士來說，創(chuàng)新是檢驗學(xué)習(xí)能力重要體現(xiàn)。

語言

“人生苦短，我用python”，python目前已經(jīng)成為機(jī)器學(xué)習(xí)中最主流的語言，由于其豐富的算法庫。

1、numpy:?最基礎(chǔ)的python庫之一

地址：http://www.numpy.org/

2、pandas:?常用于數(shù)據(jù)處理的庫

地址：https://pandas.pydata.org/pandas-docs/stable/

3、scipy:?SciPy是一個開源的Python算法庫和數(shù)學(xué)工具包。

地址：https://docs.scipy.org/doc/scipy/reference/tutorial/index.html

4、scikit-learn：sklearn包含眾多的算法接口，從監(jiān)督學(xué)習(xí)到半監(jiān)督學(xué)習(xí)，再到無監(jiān)督學(xué)習(xí)。還有評價指標(biāo)、特征選擇等。

地址:https://scikit-learn.org/

5、scikit-multilearn：multi-label的算法庫。

地址：http://scikit.ml/

還有一些深度學(xué)習(xí)的算法庫，如：

6、keras：最適合入門深度學(xué)習(xí)的小伙伴的算法庫。

地址：https://keras.io/zh/

還有一些較難的深度學(xué)習(xí)算法庫，如tensorflow,pytorch。

書籍

1、《統(tǒng)計學(xué)習(xí)方法》：李航老師的《統(tǒng)計學(xué)習(xí)方法》這本書堪稱經(jīng)典，很多同學(xué)都靠著這本書找到理想的工作，強(qiáng)力推薦！對于許多想入門機(jī)器學(xué)習(xí)的小伙伴們，建議多看幾遍這本書，弄懂算法的每一個細(xì)節(jié)。

2、《機(jī)器學(xué)習(xí)》：周志華老師的《機(jī)器學(xué)習(xí)》這本書，很多人又稱之為西瓜書，也是很有幫助的。基本涵蓋機(jī)器學(xué)習(xí)的所有分支，如監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)，特征選擇等。

3、《推薦系統(tǒng)實戰(zhàn)》：項亮博士的《推薦系統(tǒng)實戰(zhàn)》這本書，很適合對于想了解推薦系統(tǒng)的小伙伴們有一定的幫助。

4、《概率論與數(shù)理統(tǒng)計》：很多機(jī)器學(xué)習(xí)算法都是從統(tǒng)計學(xué)概率論上發(fā)展而來的，對于概率知識統(tǒng)計知識不足的小伙伴們，建議研讀這本書。

5、《Pattern Recognition and Machine Learning》：如果有小伙伴們英文比較好，小伙伴們也可以看看PRML這本經(jīng)典的書。

6、《Reinforcement Learning:?An Introduction》：如果有小伙伴想研究強(qiáng)化學(xué)習(xí)，這是一本不錯的強(qiáng)化學(xué)習(xí)入門書籍。

上述資料的pdf版本已上傳至網(wǎng)盤，如果有小伙伴感興趣，歡迎關(guān)注"AI算法之心"，后臺回復(fù)"機(jī)器學(xué)習(xí)入門書籍"。

視頻

如果小伙伴們對于上述書籍看起來很吃力，很難弄懂算法的來龍去脈，建議將書籍(初學(xué)者推薦：《統(tǒng)計學(xué)習(xí)方法》)與視頻結(jié)合起來，相互促進(jìn)。

1、吳恩達(dá)老師的公開課：網(wǎng)易云上和coursera上都有他的講課，很基礎(chǔ)的版本，建議大家入門的時候多看看這個視頻。個人覺得coursera上面的課程比較簡單點。

網(wǎng)易云上面的地址：http://open.163.com/special/opencourse/machinelearning.html

coursera上面的地址：

https://www.coursera.org/learn/machine-learning

2、李宏毅老師的課程：李宏毅老師的課程也是比較好，值得大家學(xué)習(xí)。

這里有整理好的版本：https://blog.csdn.net/soulmeetliang/article/details/77461607

博客

國內(nèi)：

1、火光搖曳：騰訊技術(shù)大牛們的博客

地址：http://www.flickering.cn/

2、美團(tuán)技術(shù)團(tuán)隊的博客：里面也有很多干貨：?

地址：https://tech.meituan.com/

3、蘇劍林的博客里面也全是干貨

地址：https://spaces.ac.cn/

4、還有一些比較大型的博客網(wǎng)站，如博客園，簡書，CSDN，知乎等等。

國外：

1、Netflix：Netflix技術(shù)博客，很多干貨。

地址：https://medium.com/netflix-techblog

2、Towards Data Science：主要分享些概念、idea和代碼。

地址：https://towardsdatascience.com/

3、Github: all code is here。

比賽

學(xué)習(xí)機(jī)器學(xué)習(xí)的過程中，如何檢驗自己學(xué)習(xí)的成果呢？比賽就是一個比較好的方向，比賽其實可能會為了成績，摳那千分位，百分位的差距，但是其實在比賽中思考才是最重要的。如何將這些經(jīng)典的算法應(yīng)用到工業(yè)中，這些算法在工業(yè)中的優(yōu)缺點？慢慢體會！

國內(nèi)比較大型的算法平臺有：

天池大數(shù)據(jù)：

https://tianchi.aliyun.com/home/

datacastle：

http://www.pkbigdata.com/

datafountain：

https://www.datafountain.cn/

biendata：

https://biendata.com/

kesci：

https://www.kesci.com/

Jdata:

https://jdata.jd.com/

國外比較大型的算法平臺有：

kaggle：

https://www.kaggle.com/

比賽平臺有很多，這幾個是比較出名的平臺。大家可以去官網(wǎng)看一看，有很多正在進(jìn)行中的比賽。另外，還有很多其他的平臺，這里我就不介紹了，近些天，我和我朋友也在思考這個問題，是否可以做個網(wǎng)站，集成這些比賽網(wǎng)站還有國外著名會議的學(xué)術(shù)評測比賽呢？歡迎大家在留言區(qū)一起討論！！！順便給我個意見！

論文

很多即將大四畢業(yè)，跨入研究生生活的師弟師妹們，也或者即將邁入研二的師弟師妹呢，是否還在為畢業(yè)發(fā)愁呢？小論文成為中國碩士畢業(yè)老難題！其實，寫一篇比較簡單的ccf c類的論文并不是很難，或許 ccf b ?ccf a類的論文確實很難！如何入門呢？看近些年機(jī)器學(xué)習(xí)、人工智能的頂級會議、期刊論文（會議論文速度更快）。這里我僅整理下會議論文。

值得看的會議文章：

1、數(shù)據(jù)挖掘類：

SIGKDD：頂級數(shù)據(jù)挖掘論文。

2019年：審稿中

2018年accepted paper：

https://www.kdd.org/kdd2018/accepted-papers

2017年accepted paper:

https://www.kdd.org/kdd2017/accepted-papers

2016年accepted paer:?

https://www.kdd.org/kdd2016/program/accepted-papers

SIGIR：頂級推薦系統(tǒng)論文

2019年accepted paper：審稿中

2018年accepted paper:?

http://sigir.org/sigir2018/accepted-papers/

2017年accepted paper:

http://sigir.org/chiir2017/accepted-papers.html

2016年accepted paper:?

http://sigir.org/sigir2016/full-papers/

http://sigir.org/sigir2016/short-papers/

還有一些次頂級會議：CIKM/ECML-PKDD/ICDM/SDM/WSDM

2、機(jī)器學(xué)習(xí)類：

AAAI: 頂級人工智能綜合會議

2019年accepted paper:?

https://aaai.org/Conferences/AAAI-19/wp-content/uploads/2018/11/AAAI-19_Accepted_Papers.pdf

2018年accepted paper:?

https://aaai.org/Conferences/AAAI-18/wp-content/uploads/2017/12/AAAI-18-Accepted-Paper-List.Web_.pdf

2017年accepted paper:??

https://www.aaai.org/Conferences/AAAI/2017/aaai17accepted-papers.pdf

IJCAI: 頂級人工智能綜合會議

2019年 accepted paper: 審稿中

2018年accepted paper:?

http://www.ijcai-18.org/accepted-papers/index.html

2017年accepted paper:?

https://ijcai-17.org/accepted-papers.html

ICML :頂級機(jī)器學(xué)習(xí)會議

2019年accepted paper: 審稿中

2018年accepted paper:

https://icml.cc/Conferences/2018/Schedule?type=Poster

2017年accepted paper:?

https://icml.cc/Conferences/2017/Schedule?type=Poster

NIPS:頂級綜合人工智能會議

2019年accpeted paper: 征稿中

2018年accepted paper:?

https://nips.cc/Conferences/2018/Schedule?type=Poster

2017年accepted paper:

https://nips.cc/Conferences/2017/Schedule?type=Poster

還有一些其他的專業(yè)人工智能會議：如自然語言處理領(lǐng)域的 ACL/EMNLP/NAACL/COLING。偏統(tǒng)計的人工智能會議：AISTATS。

圖像的人工智能會議：CVPR/ICCV/ECCV。小伙伴們可以看一些上述與自己相關(guān)的會議論文，針對論文的方法的不足，思考改進(jìn)的方法！

這是一個小騷包，長按二維碼即可關(guān)注

總結(jié)

以上是生活随笔為你收集整理的干货 | 机器学习入门方法和资料合集的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。