自学机器学习、深度学习、人工智能学习资源推大聚合
想要解決如何自學機器學習、深度學習和人工智能這一問題，首先要了解三個概念以及它們之間的關系。
人工智能：人工智能英文縮寫為AI，它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學研究領域的一個重要分支，又是眾多學科的一個交叉學科，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括語音識別、圖像識別、機器人、自然語言處理、智能搜索和專家系統等等。這種智能是從何而來的？這就要講到下一層——機器學習。
機器學習：機器學習是人工智能領域的一個小分支。機器學習專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習最基本的做法是使用算法來解析數據、從中學習，然后對真實世界中的事件做出決策和預測。
深度學習：深度學習就是一種實現機器學習的技術。深度學習是學習樣本數據的內在規律和表示層次，它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。深度學習使得機器學習能夠實現眾多的應用，并拓展了人工智能的領域范圍。但與機器學習不同，深度學習是利用深度的神經網絡，將模型處理得更為復雜，從而使模型對數據的理解更加深入。
簡要地用一張圖解釋它們的關系：
對它們的學習建議遵循這樣的順序：入門課程->框架研究->方向選擇->實戰訓練。
按照這個順序，接下來推薦一些我認為值得放在收藏夾的自學網站：
l 網課系列：基礎+應用
l 筆記系列
l 工具系列
l 實戰系列
網課系列
——基礎篇
李宏毅的機器學習中文課程——臺灣大學李宏毅的講課風格風趣幽默，風格獨樹一幟，且用中文進行授課，不少人會選擇它作為機器學習的入門課程。這門課程重點講解了深度學習，可以作為進階機器學習的開山斧。目前官網更新至2021春季課程。
吳恩達的機器學習課程——機器學習經典課程之一，課程廣泛介紹機器學習、數據挖掘和模式識別等內容，內容覆蓋全面，在Coursera上可以找到課程內容，且16w人打出了4.9/5.0的超高分。這門課的特點是它側重于概念理解而不是數學，即使有數學推導與公式也并不復雜。
貪心科技的人工智能與機器學習實戰課程——作為AI教育獨角獸公司貪心的機器學習基礎課程，適合用來夯實AI基礎。課程講解覆蓋全面，包含所有核心機器學習算法，且每一項技術都配備了來自醫療、生物、社會科學等十幾個不同領域的實戰案例。課程的一大特色是實用性強，學完后即可應用到工作或科研項目中。在貪心科技官網可以報名該課程。
李文哲：人工智能和知識圖譜領域專家。曾任金融科技獨角獸公司的首席科學家、美國亞馬遜的高級工程師，先后負責過聊天機器人、量化交易、自適應教育、金融知識圖譜等項目，并在AAAI、KDD、AISTATS等頂會上發表過15篇以上論文，并榮獲IAAI，IPDPS的最佳論文獎。
Jerry Yuan：人工智能、分布式系統、云計算專家。擁有14年人工智能、推薦系統、自然語言處理、數字圖像和視頻處理項目經驗，主導多款核心推薦系統的研發，曾師從中國科學院王守覺院士從事人臉識別研究、共同發表論文。在美國博士期間，主要研究NASA支持的基于人工智能的空間天氣預測項目。
主講老師的共同點是都具有不同領域的豐富的項目經驗，會在課程中講解并帶領學員完成各類項目案例，實現理論與實戰的結合。
l 人工智能基礎
l 線性回歸
l 邏輯回歸
l 模型的泛化
l 樸素貝葉斯
l 決策樹
l 隨機森林
l 提升樹
l K-Means
l 主成分分析
l 神經網絡
l 支持向量機
機器學習的基本思路是把現實生活中的問題抽象成數學模型，再利用數學方法對這個數學模型進行求解，從而解決現實生活中的問題。
依據這個思路，課程將算法按照學習方式分類進行學習，監督式學習講解了決策樹、樸素貝葉斯、K-Means等，無監督學習有主成分分析等算法，接著運用各章節學習的算法完成對配備的相應真實案例的建模與求解練習。
與前兩個課程相比，貪心的機器學習基礎課程實戰性更強，在每章的理論部分講解結束后，都會輔以相應的案例進行練習。如果對機器學習領域的研究方向選擇還有迷茫，可以在該課程的項目案例實踐中找到自己希望深入學習的方向。
就研究方向而言，當前深度學習已經在語音識別、圖像處理等方面取得了階段性的成果。從七八年前開始，也在自然語言處理領域出現深度學習的大批應用。關于深度學習的方向可以參考學者們的相關文獻綜述與專著，例如圖靈獎大佬Yoshua Bengio的《Learning Deep Architectures
for AI》，提綱挈領地總結了深度學習架構中學習算法的動機和原理，為相關的研究提供了理論指導； 2012年的關于表示學習的綜述文章《Representation Learning: A Review and New Perspectives》，在CSDN上搜索文章關鍵詞也能找到綜述翻譯總結。
目前較為熱門的領域是NLP、CV和ML，在貪心的機器學習基礎課程中都可以找到相應的經典案例與前沿案例，以NLP和CV為例：
NLP項目案例：
情感分析項目：它的任務是給定一個文本，讓模型自動判斷這個文本所表達的情感是正面還是負面。通過完成這個項目，可以掌握中文分詞、分布式表示、詞向量、BERT的使用、句子向量等核心技術。還可以舉一反三解決各種文本分類問題，如新聞主題分類、垃圾郵件分類、意圖分類等。
聊天機器人中的意圖識別：意圖識別任務實際上就是識別出用戶的意圖是什么，該技術廣泛應用在對話系統、機器人等場景中。在對話的場景中，基于文本的意圖識別是第一步，也是最核心的一步，幾乎任何的對話系統都包含意圖識別模塊，它是后續執行對話的基礎。但實際上，意圖識別也是經典文本分類任務。通過完成此項目，可以掌握SVM、詞向量、BERT、文本處理等技術。
CV項目案例：
基于PCA的人臉識別：結合PCA和分類技術來做精簡版的人臉識別程序，并分析通過PCA得出來的eigenface的形狀是如何的，涉及的知識模塊有PCA、特征臉（EigenFace）等。
基于神經網絡的人臉識別：采用稍微復雜一點的人臉識別數據，并通過搭建多層神經網絡來識別人臉。在搭建過程中，會涉及到神經元個數的原則、過擬合問題的考慮、圖像處理等一系列細節。 涉及的知識模塊有多層神經網絡、PCA、圖像處理等。
貪心課程為線上授課模式，具體學習進度自我安排，自由度高。平臺學習全程在線環境下操作，無需再下載任何軟件。貪心科技有一套完整的上課系統，視頻、文字、圖片、編程、項目相結合，案例和項目都可以在云端平臺上完成，快速上手，告別被動學習。
貪心課程的授課特色是互動性高，有專業的算法科學家作為助教在線提供答疑和項目幫助，提交的項目練習作業會及時給予批注與糾錯，給出評語作為項目的整體學習建議，幫助學員快速進步。
網課系列
——應用篇
Udacity——Udacity的教育內容包含人工智能、自動駕駛、自然語言處理、計算機視覺、AI量化投資、區塊鏈等，與 Google、Facebook、Amazon
等全球頂尖技術公司聯合開發了一系列的專業認證項目，也與百度、騰訊、滴滴出行等中國前沿技術企業開發了一系列的課程項目。
項目示例：
AI for Healthcare（醫療AI）：學習構建、評估和集成能夠改變患者結果的預測模型。對2D和3D醫學圖像進行分類和分割，然后使用電子健康記錄對患者結果進行建模以優化臨床試驗決策。最后構建算法來估計佩戴者在運動時的脈搏率。
Marketing Analytics（營銷分析）: 在課程中學習基礎數據技能，深入了解Google Analytics和營銷分析。學習使用Excel、Data Studio分析數據和構建模型，并使用Tableau完成信息豐富的數據可視化。
Self Driving Car Engineer（自動駕駛汽車工程師）：將計算機視覺和深度學習應用于汽車問題，包括檢測車道線、預測轉向角等。接著學習傳感器融合，使用它來過濾來自傳感器陣列的數據以感知環境。有機會在Udacity的自動駕駛汽車上模擬運行代碼。
筆記系列
機器學習基本概念筆記：包含學習經驗與技巧，該網站講得比較簡練，可以作為模型與算法的查閱筆記資料。詳見GitHub@CreateMoMo的筆記《Super Machine Learning Revision Notes》
李宏毅機器學習筆記：學習筆記的選擇主要是看前期聽了哪門課，李宏毅機器學習筆記可以配合之前推薦的李宏毅機器學習課程使用。詳見GitHub@datawhalechina的筆記《leeML-notes》。
工具系列
PyTorch：一個開源的Python機器學習庫
TensorFlow：一個端到端開源機器學習平臺
Keras：由Python編寫的開源人工神經網絡庫
在官方網站上都能找到guide、resources甚至blog。
實戰系列
Kaggle——進行數據發掘和預測競賽的在線平臺
如果你是從未獨立做過項目的新手，建議先選擇難度較低的練習賽，參考官方給出的方案，來對比改善自己的結果。
這里為你推薦幾篇文章，手把手教你入門經典練習項目。
1.泰坦尼克之災
中文教程：CSDN@寒小陽《機器學習系列(3)_邏輯回歸應用之Kaggle泰坦尼克之災》
英文教程：Kaggle官網項目“Titanic”
2.房價預測
教程：Kaggle官網項目“House Prices: Advanced Regression Techniques”
阿里天池——天池大數據競賽是由阿里巴巴集團主辦，面向全球科研工作者的高端算法競賽。官網也開放海量數據和分布式計算資源，整理AI學習知識庫，開設新人學習賽，供新手在起步階段練習。
總結
以上是生活随笔為你收集整理的自学机器学习、深度学习、人工智能学习资源推大聚合的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 榕树贷提现一直没到账
- 下一篇： 自学机器学习、深度学习、人工智能的学习资