我的机器学习入门学习清单及路线
我的机器学习入门学习清单及路线
Last edited 2022-7-8
tags
标注的标签1
💙 灵感|Inbox
date
Jul 8, 2022
status
Published
category
测试
Origin
zhuanlan.zhihu.com
summary
1
type
Post
icon
password
slug
1657267170259
Tags
简悦
这是我个人的机器学习入门清单及路线,所以没有像很多收藏夹那样大而全,一来学不完,二来给自己压力。这是个人的路线。算是个人记录,也给大家参考,如有什么不足之处,欢迎指教。
前置知识及技能 1、线性代数基础,如果没的话,还是先学了这门课在研究吧,不然会哭的。 2、学会 python 就行了。R 也可以用用。 3、英语。起码能基本的听和读吧,感觉中文的资料还不够多,很难避免要看很多英文资料。建议学习某些教程时看英文版的 tutorial,YouTube 可以开字幕。
做了个流程图,来展示下我的学习路线。
notion image
除了入门课程外,其他四项其实不完全是按照流程的(但总体上是),有时实战时需要学新模型。有时学了某些模型再选方向也未迟。但是入门课程,尤其是 Coursera 那个,一定要看完了才开始后面的学习。下面给出每项的学习地址:
入门课程

1.Machine Learning | Coursera,入门首选,推荐只认识 “机器学习” 四个字但还不知道它是什么的学习 这些年机器学习的大多数年轻人靠这个入门。具体提纲我就不列了,免得增加篇幅。建议是直接按顺序一课课学,不要着急。在学完这个课程前,不要学后面的。
2.CS231n: Convolutional Neural Networks for Visual Recognition Stanford 最受欢迎的课之一。做图像识别的,就算不想搞图像识别,也会学到很多有用的通用的东西。

框架研究

TensorFlow。推荐一个简单的中文入门教程。主讲人是一个在美国读大学的中国留学生,讲得很有趣。(咦,youtube 的没自动转)https://www.youtube.com/watch?v=8X9QUwtRSs0&list=PLwY2GJhAPWRcZxxVFpNhhfivuW0kX15yG&index=1 国内的朋友可以在 bilibili 看(一样的)哔哩哔哩 (゜ - ゜) つロ 乾杯~ Bilibili
caffe caffe 是 Facebook 的开源框架。新的 caffe2 支持手机跑模型,可以说是非常先进了(当然手机性能嘛,就…..)Caffe | Caffe Tutorial 比较好的中文教程没有找到,望有人留言推荐。
theano 没怎么研究这个,但这个教程看起来不错https://www.youtube.com/watch?v=OU8I1oJ9HhI

技巧,算法与模型

特征工程
CNN:
RNN:

方向选择

训练实战

kaggle:一个竞赛网站,最近被谷歌收购后更火爆了。Your Home for Data Science 很多比赛是有奖金的,能拿个奖基本大把公司主动给你工作机会。可以从 Titanic 这个比赛开始。Titanic: Machine Learning from Disaster 要了解 kaggle,我推荐一个不错的文章:Kaggle 入门,看这一篇就够了 - 知乎专栏

计算平台:

有的时候我们需要带 GPU 的平台跑代码,本地性能可能不是很够,推荐几个(有免费有收费):
  1. Kaggle. Kaggle 可以用来当羊毛薅,你可以传自己的 dataset 上去,也可以用它提供的 dataset。
  1. Google Colab。等于一个免费的 notebook 环境,而且还能用 GPU。
  1. 百度 AI Studio。就是不支持 tensorflow
篇幅虽然有点短,但是学起来还是很久的。
知乎内的话可以关注我的专栏和收藏夹,会持续更新,欢迎关注:
我的机器学习参考面向人生编程 > 本文由简悦 SimpRead 转码
  • 标注的标签1
  • notionNext 在 vercel 平台上构建成功,visit 可跳转看到首页,但过一会儿就会出现页面卡死,直到奔溃本地存储 + 线上获取:我的个人数据库建构路径