机器学习入门学习资料推荐
今天介紹一些機器學習的學習資料，主要是分為以下幾個方面的內(nèi)容：
- 編程語言：實現(xiàn)機器學習，主要是介紹 Python 方面的語言；
- 書籍：看書通常是入門的一種方法，比較適合自律性強的同學；
- 視頻：入門的第二種方法就是看視頻，雖然會比看書慢一些，但是勝在詳細，對完全零基礎(chǔ)者是非常友好的；
- 教程：主要是一些教程文章；
- 博客網(wǎng)站：常去的網(wǎng)站，包括一些大神博客；
- Github 項目：Github 上的一些項目；
- 比賽：最好的學習方法還是通過項目實戰(zhàn)來加深理解，機器學習還有很多公開的比賽；
- 論文：無論是學生還是工作，看論文都是為了緊跟大牛的步伐，了解研究領(lǐng)域最先進最好的算法。
1. 編程語言
目前機器學習領(lǐng)域最常使用的就是 Python，并且它對初學者非常友好，所以推薦的是 Python 方面的一些教程、書籍資料。
教程
- Python 3.7.3 文檔–官方版教程
- 廖雪峰老師的 Python3 教程
- Comprehensive Python Cheatsheet–python 知識點小抄
書籍
-
《Python 編程從入門到實踐》
-
《流暢的 Python》
常用工具庫介紹
Numpy
最基礎(chǔ)的 Python 庫，可以用于處理數(shù)組、矩陣相關(guān)的計算。
- 官網(wǎng)
- 官方教程
- numpy-100練習題
Pandas
- 官方文檔
- 10 Minutes to pandas–翻譯：http://www.cnblogs.com/chaosimple/p/4153083.html
Scipy
- 官方教程
Matplotlib
- Matplotlib 教程–原文：http://www.loria.fr/~rougier/teaching/matplotlib/
Scikit-learn
- 官網(wǎng)
- 官方教程
Jupyter Notebook
- Awesome Jupyter–介紹了 Jupyter 相關(guān)的庫、資源和教程，總共11個類別等
- Jupyter Notebook 教程[入門][進階]
Pycharm
- 喏，你們要的 PyCharm 快速上手指南
- Pycharm 官方教程：PyCharm :: Docs & Demos
- Pycharm toolbar window：PyCharm 2016.3 Help
- Pycharm 皮膚主題及個性化設(shè)置：pycharm 皮膚主題及個性化設(shè)置
- Pycharm 更換主題：Pycharm更換主題 - felcon的專欄 - 博客頻道 -C23SDN.NET
- 快捷鍵大全：pycharm快捷鍵及一些常用設(shè)置 - jihite - 博客園
2. 書籍
- 《統(tǒng)計學習方法》：李航老師的書，非常經(jīng)典，強力推薦！并且現(xiàn)在已經(jīng)有實現(xiàn)書中算法的代碼，可以搭配使用！
代碼：https://github.com/wzyonggege/statistical-learning-method
https://github.com/WenDesi/lihang_book_algorithm
https://blog.csdn.net/tudaodiaozhale
https://github.com/fengdu78/lihang-code
- 《機器學習》：周志華老師的書，也稱為西瓜書，同樣也是推薦閱讀。基本涵蓋了機器學習的所有分支，包括監(jiān)督學習、無監(jiān)督學習、強化學習、特征選擇等。
- 《機器學習實戰(zhàn)》：這是一本比較偏實戰(zhàn)方面的書，每種經(jīng)典的算法都用 Python 代碼一步步實現(xiàn)，包括 KNN、決策樹、貝葉斯、邏輯回歸、SVM、AdaBoost 這幾種分類算法，還有回歸、無監(jiān)督學習、降維以及大數(shù)據(jù)方面的內(nèi)容。
- 《hands-on-ml-with-sklearn-and-tf》[電子書][中文版翻譯][Code]：一本入門書籍，并且附帶使用 sklearn 和 tensorflow 兩個庫，目前有中文版的翻譯，推薦！
- 《百面機器學習》：這本書可以用于查漏補缺，看看你對機器學習是否真正了解透徹，可以看看這本書，看看有哪些知識點還需要深入學習或者是補充的。
- 《推薦系統(tǒng)實戰(zhàn)》：適合對于像了解推薦系統(tǒng)的小伙伴們！
- 《深度學習》：一本非常經(jīng)典的書，如果想了解深度學習的內(nèi)容，可以考慮看這本書，當然書非常厚，而且包含非常多的知識，從基礎(chǔ)的數(shù)學到深度學習的 CNN、RNN 模型。
3. 視頻
視頻課程主要推薦三位老師的課程。
- 吳恩達老師的兩門課程
機器學習 [Couresa] [網(wǎng)易云]：這也是很多人推薦的入門課程。
深度學習 deeplearning.ai [Coursera] [網(wǎng)易云課堂]
- 李宏毅老師的課程
2019 機器學習課程 [youtube][B站] [課程資料鏈]
深度學習課程 b站視頻
- 林軒田老師的兩門課程
機器學習基石 [課程主頁] [b站視頻] 配套書籍：Learning From Data
機器學習技法 [b站視頻]
4. 教程
推薦一些網(wǎng)上的教程，包括機器學習、深度學習方面的教程，可以用于輔助學習，在看書或者看視頻的時候，如果覺得理解還不夠透徹，可以看看這些網(wǎng)上教程，有助于更好的理解算法。
- AI算法工程師手冊–包含數(shù)學基礎(chǔ)、機器學習、深度學習、計算機視覺和NLP等知識
- AiLearning: 機器學習 - MachineLearning - ML、深度學習 - DeepLearning - DL、自然語言處理 NLP
- Machine Learning in Python–手把手教你利用Python對圖像數(shù)據(jù)進行機器學習（使用scikit-learn
和Keras）：Machine Learning in Python - 機器學習筆記–機器學習與人工智能學習筆記，包括機器學習、深度學習以及常用開源框架（Tensorflow、PyTorch）等
- Simple and ready-to-use tutorials for TensorFlow–簡單快速入門的TF教程
- TensorFlow Tutorial and Examples for Beginners with Latest APIs–2w6的Star的教程，從機器學習算法到深度學習，以及一些使用方法，比如數(shù)據(jù)加載、模型保存、多GPU、可視化
- 深度學習教程整理 | 干貨–整理深度學習方面的教程，包括基礎(chǔ)網(wǎng)絡(luò)、框架總結(jié)、網(wǎng)絡(luò)設(shè)計和轉(zhuǎn)換等
- 零基礎(chǔ)入門深度學習(1) - 感知器–總共七章內(nèi)容，從感知器、CNN到RNN、LSTM
- 深度學習500問：以問答的形式介紹了機器學習、深度學習的一些知識點
- Simple RNN, LSTM and Differentiable Neural Computer in pure Numpy[介紹]–純 Numpy 實現(xiàn) RNN 和 LSTM
- A Beginner’s Guide to LSTMs and Recurrent Neural Networks–初學者入門 LSTM 的教程！
5. 博客 & 網(wǎng)站
推薦一些大牛和公司團隊的博客或者網(wǎng)站。
博客
分別推薦國內(nèi)外的博客：
國內(nèi)
國外
網(wǎng)站
同樣也是分國內(nèi)和國外的幾個網(wǎng)站
國內(nèi)
- (推薦)機器之心
- PaperWeekly
- 通天塔–論文閱讀，中英文翻譯對比
國外
- Arxiv–尋找最新論文的網(wǎng)站
- Arxiv Sanity Preserver[Code] --對 arXiv 更好的展示論文
- （強力推薦）Papers With Code–論文及其實現(xiàn)代碼
- （強力推薦）Browse state-of-the-art–記錄了16個大類，總共950+個任務(wù)的當前最先進的技術(shù)
- RSIP vision–圖像處理和計算機上視覺
- Learn Opencv
- (推薦)PyimageSearch–計算機視覺、opencv等，并且都是詳細實現(xiàn)代碼，每一步實現(xiàn)都解釋得很清楚！
6. Github 項目
- Tensorflow/models–TensorFlow 官方 Github
- gluon-cv–GluonCV 提供了當前計算機視覺性能最優(yōu)的深度學習模型
- Deep Learning - All You Need to Know–深度學習資源，包含了論文、網(wǎng)絡(luò)模型、教程、數(shù)據(jù)集、博客、框架等等
人臉
- awesome-Face_Recognition:近十年的人臉相關(guān)的所有論文合集
- face_recognition:人臉識別庫，可以實現(xiàn)識別、檢測、匹配等等功能。
計算機視覺
- Awesome Image Classification–圖像分類方面的匯總，常用的網(wǎng)絡(luò)模型的性能結(jié)果，代碼實現(xiàn)以及論文。
- Awesome-Image-Inpainting–圖像修復(fù)方面的資料匯總
7. 比賽
比賽網(wǎng)站
比賽經(jīng)驗
- Kaggle 入門指南
- 分分鐘帶你殺入Kaggle Top 1%
- 6次Kaggle計算機視覺類比賽賽后感
- 參加kaggle競賽是怎樣一種體驗？
- Kaggle入門，看這一篇就夠了
- 零基礎(chǔ)自學兩月后三月三次輕松進入kaggle比賽top20小結(jié)
8. 論文
最后就是介紹論文，對于選擇讀研的同學，了解熟悉自己所在領(lǐng)域的頂會是很有必要的，通過閱讀研究領(lǐng)域的一些經(jīng)典以及最新論文，了解當前領(lǐng)域的最新進展，并且也有助于發(fā)表論文。
這里主要介紹機器學習領(lǐng)域，特別是計算機視覺領(lǐng)域的幾個頂會。
頂會
- 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
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 :頂級機器學習會議
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
2018年 accepted paper:
https://nips.cc/Conferences/2018/Schedule?type=Poster
2017年 accepted paper:
https://nips.cc/Conferences/2017/Schedule?type=Poster
- CVPR：計算機視覺與模式識別
CVPR 2018 accepted paper：http://openaccess.thecvf.com/CVPR2018.py
CVPR 2017 accepted paper：http://openaccess.thecvf.com/CVPR2017.py
- ICCV：國際計算機視覺大會
ICCV 2017 accepted paper：http://openaccess.thecvf.com/ICCV2017.py
- ECCV：歐洲計算機視覺國際會議
ECCV 2018 accepted paper：http://openaccess.thecvf.com/ECCV2018.py
綜合資源
- deep-learning-papers-translation–Github 深度學習論文翻譯，包括分類論文，檢測論文等
- deep-learning-papers–深度學習的論文，包括視覺、文本、音頻，最新更新是2017年10月
- 各種機器學習任務(wù)的頂級結(jié)果（論文）匯總–匯總多個任務(wù)，包括視覺、語音、NLP、強化學習等方向的最頂級結(jié)果的論文
小結(jié)
最后，對于機器學習的初學者：
- 如果是喜歡看書的，推薦直接看書，李航老師的《統(tǒng)計學習方法》和周志華老師的《機器學習》兩者選一本作為入門，也可以搭配《機器學習實戰(zhàn)》來一步步通過代碼實現(xiàn)算法；
- 如果希望通過視頻入門，那么推薦的三位老師的課程，可以選擇其中一位老師的課程來學習，剛好每位老師都有兩個系列的課程，由淺入深。
- 第三種選擇也可以看網(wǎng)上的教程，有很多不同的系列文章，并且寫得也通俗易懂，也是可以選擇的一種入門方式！
最后上述機器學習資料我也放到 Github 上了，歡迎 star！
https://github.com/ccc013/DeepLearning_Notes#deeplearning_notes
推薦的書籍以及視頻都打包放到網(wǎng)盤上了，獲取方式如下：
歡迎關(guān)注我的微信公眾號–機器學習與計算機視覺，或者掃描下方的二維碼，大家一起交流，學習和進步！
往期精彩推薦
機器學習系列
- 初學者的機器學習入門實戰(zhàn)教程！
- 模型評估、過擬合欠擬合以及超參數(shù)調(diào)優(yōu)方法
- 常用機器學習算法匯總比較(完）
- 常用機器學習算法匯總比較(上）
- 機器學習入門系列(2)–如何構(gòu)建一個完整的機器學習項目(一)
- 特征工程之數(shù)據(jù)預(yù)處理（上）
Github項目 & 資源教程推薦
- [Github 項目推薦] 一個更好閱讀和查找論文的網(wǎng)站
- [資源分享] TensorFlow 官方中文版教程來了
- 必讀的AI和深度學習博客
- [教程]一份簡單易懂的 TensorFlow 教程
- [資源]推薦一些Python書籍和教程，入門和進階的都有！
- [Github項目推薦] 機器學習& Python 知識點速查表
- [Github項目推薦] 推薦三個助你更好利用Github的工具
總結(jié)
以上是生活随笔為你收集整理的机器学习入门学习资料推荐的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 程序人生：搜索引擎被禁用，你还会写代码吗
- 下一篇： 计算机双一流a水平大学,教育部公布：全国