首发:适合初学者入门人工智能的路线及资料下载
一、前言
AI以及机器学习入门,初学者遇到的问题非常多,但最大的问题就是:
资料太多!!!看不完!!!不知道如何取舍!!!人的精力有限!!!
在此基础上,结合本站已经发过的文章,以及自己的学习过程,整理出一个AI的入门路线,并整合到一个github仓库,所有代码和数据集都提供了下载方式。
本路线适合本科、硕士以及刚接触机器学习的博士。
根据这个github仓库学完以后,就基本入门了。
入门以后,遇到问题能上网搜索解决了,也知道接下来应该学什么。
二、学习路线的github
该仓库拥有者黄海广,致力于帮助机器学习初学者入门,帮助学习者更好地成长。仓库主要内容由黄海广原创,另一部分由其他公益组织创作。
仓库链接:
https://github.com/fengdu78/Data-Science-Notes
你不是一个人在战斗!
三、仓库目录及概述
- 0.math数学基础
- 1.python-basicpython基础
- 2.numpynumpy基础
- 3.pandaspandas基础
- 4.scipyscipy基础
- 5.data-visualization数据可视化基础
- 6.scikit-learnscikit-learn基础
- 7.machine-learning机器学习入门
- 8.deep-learning深度学习入门
- 9.feature-engineering特征工程入门
四、学习路线说明
这个目录其实是一个学习路线:
0——>1——>2——>3——>4——>5——>6——>7——>8——>9
1-5是个整体,6和7的顺序可以交换也可以同时学习,8属于选学部分(深度学习),9放在最后学习。
五、学习路线和内容
第一部分,数学基础学习:
目录名称:0.math
数学基础:数学基础内容太多,很容易把人劝退,其实先把高等数学、概率论与数理统计和线性代数这三门课学熟了,大部分机器学习问题是能解决的。数学基础部分我放了三个资料。
第一个是当时考研和考博士复习的。数学基础,我把机器学习的部分,提炼出来。
第二、三个是今年刚翻译的CS229的线性代数和概率论,这部分是斯坦福所有人工智能有关的课程的数学基础复习材料,非常实用。
第二部分,python学习
目录名称:1.python-basic
python基础:这里有个代码练习:两天入门python
目录名称: 2.numpy
numpy基础:这里有2个代码练习
一、适合初学者快速入门的Numpy实战全集
二、Numpy练习题100题-提高你的数据分析技能
目录名称: 3.pandas
pandas基础:这里有3个代码练习
一、《十分钟搞定pandas》:10-Minutes-to-pandas,这是十分钟搞定pandas 10 minutes in pandas的中文翻译。
- 二、《pandas练习题》:Pandas_Exercises,这个是pandas的练习题。
- 三、《pandas入门教程-2天学会pandas》:pandas_beginner
目录名称: 4.scipy
- scipy基础:scipy的示例代码
目录名称: 5.data-visualization
数据可视化基础:这里有2个代码练习
一、matplotlib学习之基本使用
二、数据可视化的利器-Seaborn简易入门
第三部分,机器学习基础
目录名称:6.scikit-learn
scikit-learn基础:PyParis 2018: Machine learning using scikit-learn的代码翻译(截图如下:)
图:代码截图
目录名称:7.machine-learning
机器学习入门,推荐4份教程,着重推荐1、2部分。
- 一、斯坦福大学2014(吴恩达)机器学习教程中文笔记及资源内容介绍(点击查看文章)
- 二、李航《统计学习方法》的代码实现
- 三、周志华老师的《机器学习》的解答--南瓜书PumpkinBook
- 四、台大林轩田《机器学习基石》系列课程教材的习题解答内容介绍(点击查看文章)
目录名称:8.deep-learning
深度学习入门,推荐3份教程
- 一、深度学习教程中文笔记内容介绍(点击查看文章)
- 二、《python深度学习》的代码翻译版内容介绍(点击查看文章)
- 三、 强烈推荐的TensorFlow、Pytorch和Keras的样例资源内容介绍(点击查看文章)
目录名称:9.feature-engineering
特征工程入门,这个是项目实战部分。
一、面向机器学习的特征工程
总结
本文提供了适合初学者入门AI的路线及资料下载,以上内容都整合到一个仓库:
仓库链接:
https://github.com/fengdu78/Data-Science-Notes
备注:github下载太慢的话,关注我的公众号:“机器学习初学者”,回复“学习路线”即可下载本仓库的镜像文件,整个仓库压缩成一个iso。
机器学习初学者
往期精彩回顾
备注:加入本站微信群或者qq群,请回复“加群”
加入知识星球(4100+用户,ID:92416895),请回复“知识星球”
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。