机器学习入门学习资料推荐

今天介绍一些机器学习的学习资料，主要是分为以下几个方面的内容：

  • 编程语言：实现机器学习，主要是介绍 Python 方面的语言；
  • 书籍：看书通常是入门的一种方法，比较适合自律性强的同学；
  • 视频：入门的第二种方法就是看视频，虽然会比看书慢一些，但是胜在详细，对完全零基础者是非常友好的；
  • 教程：主要是一些教程文章；
  • 博客网站：常去的网站，包括一些大神博客；
  • Github 项目：Github 上的一些项目；
  • 比赛：最好的学习方法还是通过项目实战来加深理解，机器学习还有很多公开的比赛；
  • 论文：无论是学生还是工作，看论文都是为了紧跟大牛的步伐，了解研究领域最先进最好的算法。

1. 编程语言

目前机器学习领域最常使用的就是 Python，并且它对初学者非常友好，所以推荐的是 Python 方面的一些教程、书籍资料。

教程

  • Python 3.7.3 文档–官方版教程
  • 廖雪峰老师的 Python3 教程
  • Comprehensive Python Cheatsheet–python 知识点小抄

书籍

  • 《Python 编程从入门到实践》

  • 《流畅的 Python》

常用工具库介绍

Numpy

最基础的 Python 库，可以用于处理数组、矩阵相关的计算。

  • 官网
  • 官方教程
  • numpy-100练习题
Pandas
  • 官方文档
  • 10 Minutes to pandas–翻译：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
  • 官网
  • 官方教程
Jupyter Notebook
  • Awesome Jupyter–介绍了 Jupyter 相关的库、资源和教程，总共11个类别等
  • Jupyter Notebook 教程[入门][进阶]
Pycharm
  • 喏，你们要的 PyCharm 快速上手指南
  • Pycharm 官方教程：PyCharm :: Docs & Demos
  • Pycharm toolbar window：PyCharm 2016.3 Help
  • Pycharm 皮肤主题及个性化设置：pycharm 皮肤主题及个性化设置
  • Pycharm 更换主题：Pycharm更换主题 - felcon的专栏 - 博客频道 -C23SDN.NET
  • 快捷键大全：pycharm快捷键及一些常用设置 - jihite - 博客园

2. 书籍

  • 《统计学习方法》：李航老师的书，非常经典，强力推荐！并且现在已经有实现书中算法的代码，可以搭配使用！

代码：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

  • 《机器学习》：周志华老师的书，也称为西瓜书，同样也是推荐阅读。基本涵盖了机器学习的所有分支，包括监督学习、无监督学习、强化学习、特征选择等。
  • 《机器学习实战》：这是一本比较偏实战方面的书，每种经典的算法都用 Python 代码一步步实现，包括 KNN、决策树、贝叶斯、逻辑回归、SVM、AdaBoost 这几种分类算法，还有回归、无监督学习、降维以及大数据方面的内容。
  • 《hands-on-ml-with-sklearn-and-tf》[电子书][中文版翻译][Code]：一本入门书籍，并且附带使用 sklearn 和 tensorflow 两个库，目前有中文版的翻译，推荐！
  • 《百面机器学习》：这本书可以用于查漏补缺，看看你对机器学习是否真正了解透彻，可以看看这本书，看看有哪些知识点还需要深入学习或者是补充的。
  • 《推荐系统实战》：适合对于像了解推荐系统的小伙伴们！
  • 《深度学习》：一本非常经典的书，如果想了解深度学习的内容，可以考虑看这本书，当然书非常厚，而且包含非常多的知识，从基础的数学到深度学习的 CNN、RNN 模型。

3. 视频

视频课程主要推荐三位老师的课程。

  • 吴恩达老师的两门课程

机器学习 [Couresa] [网易云]：这也是很多人推荐的入门课程。

深度学习 deeplearning.ai [Coursera] [网易云课堂]

  • 李宏毅老师的课程

2019 机器学习课程 [youtube][B站] [课程资料链]

深度学习课程 b站视频

  • 林轩田老师的两门课程

机器学习基石 [课程主页] [b站视频] 配套书籍：Learning From Data

机器学习技法 [b站视频]

4. 教程

推荐一些网上的教程，包括机器学习、深度学习方面的教程，可以用于辅助学习，在看书或者看视频的时候，如果觉得理解还不够透彻，可以看看这些网上教程，有助于更好的理解算法。

  • AI算法工程师手册–包含数学基础、机器学习、深度学习、计算机视觉和NLP等知识
  • AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP
  • Machine Learning in Python–手把手教你利用Python对图像数据进行机器学习（使用scikit-learn
    和Keras）：Machine Learning in Python
  • 机器学习笔记–机器学习与人工智能学习笔记，包括机器学习、深度学习以及常用开源框架（Tensorflow、PyTorch）等
  • Simple and ready-to-use tutorials for TensorFlow–简单快速入门的TF教程
  • TensorFlow Tutorial and Examples for Beginners with Latest APIs–2w6的Star的教程，从机器学习算法到深度学习，以及一些使用方法，比如数据加载、模型保存、多GPU、可视化
  • 深度学习教程整理 | 干货–整理深度学习方面的教程，包括基础网络、框架总结、网络设计和转换等
  • 零基础入门深度学习(1) - 感知器–总共七章内容，从感知器、CNN到RNN、LSTM
  • 深度学习500问：以问答的形式介绍了机器学习、深度学习的一些知识点
  • Simple RNN, LSTM and Differentiable Neural Computer in pure Numpy[介绍]–纯 Numpy 实现 RNN 和 LSTM
  • A Beginner’s Guide to LSTMs and Recurrent Neural Networks–初学者入门 LSTM 的教程！

5. 博客 & 网站

推荐一些大牛和公司团队的博客或者网站。

博客

分别推荐国内外的博客：

国内
  1. 机器学习–tornadomeet–这是别人学习机器学习和深度学习做下笔记的博客，有好几十篇博文呢。
  2. zouxy09的专栏–这个博客不只有机器学习内容，还有一个深度学习的系列。
  3. Machine Learning–也是有关机器学习的一个博客。
  4. 美团技术团队
  5. 苏剑林的博客
  6. 火光摇曳：腾讯技术大牛们的博客
国外
  1. OpenAI–OpenAI
  2. Distill–Distill
  3. Google AI Blog–谷歌AI的博客
  4. Notes on machine learning
  5. BAIR Blog–伯克利大学AI小组博客
  6. DeepMind Blog–DeepMind的博客
  7. FAIR Blog–Facebook AI博客
  8. Netflix：Netflix技术博客
  9. Towards Data Science

网站

同样也是分国内和国外的几个网站

国内
  • (推荐)机器之心
  • PaperWeekly
  • 通天塔–论文阅读，中英文翻译对比
国外
  • Arxiv–寻找最新论文的网站
  • Arxiv Sanity Preserver[Code] --对 arXiv 更好的展示论文
  • （强力推荐）Papers With Code–论文及其实现代码
  • （强力推荐）Browse state-of-the-art–记录了16个大类，总共950+个任务的当前最先进的技术
  • RSIP vision–图像处理和计算机上视觉
  • Learn Opencv
  • (推荐)PyimageSearch–计算机视觉、opencv等，并且都是详细实现代码，每一步实现都解释得很清楚！

6. Github 项目

  • Tensorflow/models–TensorFlow 官方 Github
  • gluon-cv–GluonCV 提供了当前计算机视觉性能最优的深度学习模型
  • Deep Learning - All You Need to Know–深度学习资源，包含了论文、网络模型、教程、数据集、博客、框架等等

人脸

  • awesome-Face_Recognition:近十年的人脸相关的所有论文合集
  • face_recognition:人脸识别库，可以实现识别、检测、匹配等等功能。

计算机视觉

  • Awesome Image Classification–图像分类方面的汇总，常用的网络模型的性能结果，代码实现以及论文。
  • Awesome-Image-Inpainting–图像修复方面的资料汇总

7. 比赛

比赛网站

  1. Kaggle
  2. 天池
  3. DataFountain
  4. FlyAI
  5. JData

比赛经验

  • Kaggle 入门指南
  • 分分钟带你杀入Kaggle Top 1%
  • 6次Kaggle计算机视觉类比赛赛后感
  • 参加kaggle竞赛是怎样一种体验？
  • Kaggle入门，看这一篇就够了
  • 零基础自学两月后三月三次轻松进入kaggle比赛top20小结

8. 论文

最后就是介绍论文，对于选择读研的同学，了解熟悉自己所在领域的顶会是很有必要的，通过阅读研究领域的一些经典以及最新论文，了解当前领域的最新进展，并且也有助于发表论文。

这里主要介绍机器学习领域，特别是计算机视觉领域的几个顶会。

顶会

  • AAAI: 顶级人工智能综合会议

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: 顶级人工智能综合会议

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 :顶级机器学习会议

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:顶级综合人工智能会议

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：计算机视觉与模式识别

CVPR 2018 accepted paper：http://openaccess.thecvf.com/CVPR2018.py

CVPR 2017 accepted paper：http://openaccess.thecvf.com/CVPR2017.py

  • ICCV：国际计算机视觉大会

ICCV 2017 accepted paper：http://openaccess.thecvf.com/ICCV2017.py

  • ECCV：欧洲计算机视觉国际会议

ECCV 2018 accepted paper：http://openaccess.thecvf.com/ECCV2018.py

综合资源

  • deep-learning-papers-translation–Github 深度学习论文翻译，包括分类论文，检测论文等
  • deep-learning-papers–深度学习的论文，包括视觉、文本、音频，最新更新是2017年10月
  • 各种机器学习任务的顶级结果（论文）汇总–汇总多个任务，包括视觉、语音、NLP、强化学习等方向的最顶级结果的论文

小结

最后，对于机器学习的初学者：

  • 如果是喜欢看书的，推荐直接看书，李航老师的《统计学习方法》和周志华老师的《机器学习》两者选一本作为入门，也可以搭配《机器学习实战》来一步步通过代码实现算法；
  • 如果希望通过视频入门，那么推荐的三位老师的课程，可以选择其中一位老师的课程来学习，刚好每位老师都有两个系列的课程，由浅入深。
  • 第三种选择也可以看网上的教程，有很多不同的系列文章，并且写得也通俗易懂，也是可以选择的一种入门方式！

最后上述机器学习资料我也放到 Github 上了，欢迎 star！

https://github.com/ccc013/DeepLearning_Notes#deeplearning_notes

推荐的书籍以及视频都打包放到网盘上了，获取方式如下：

  1. 关注公众号“机器学习与计算机视觉”
  2. 在公众号会话界面回复“机器学习”，即可获取网盘链接

欢迎关注我的微信公众号–机器学习与计算机视觉，或者扫描下方的二维码，大家一起交流，学习和进步！

往期精彩推荐

机器学习系列
  • 初学者的机器学习入门实战教程！
  • 模型评估、过拟合欠拟合以及超参数调优方法
  • 常用机器学习算法汇总比较(完）
  • 常用机器学习算法汇总比较(上）
  • 机器学习入门系列(2)–如何构建一个完整的机器学习项目(一)
  • 特征工程之数据预处理（上）
Github项目 & 资源教程推荐
  • [Github 项目推荐] 一个更好阅读和查找论文的网站
  • [资源分享] TensorFlow 官方中文版教程来了
  • 必读的AI和深度学习博客
  • [教程]一份简单易懂的 TensorFlow 教程
  • [资源]推荐一些Python书籍和教程，入门和进阶的都有！
  • [Github项目推荐] 机器学习& Python 知识点速查表
  • [Github项目推荐] 推荐三个助你更好利用Github的工具

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/408677.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

前端学习（3124）：react-hello-react之批量传递props

前端学习（3124）：react-hello-react之批量传递props

阅读更多...
前端学习（3124）：react-hello-react之props的简写

前端学习（3124）：react-hello-react之props的简写

阅读更多...
漫画人工智能：人工智能简史

漫画人工智能：人工智能简史

这是公众号推荐的第 8 篇好文来源：大鱼AI作者：Dr.Wu点击上方“大鱼AI”，选择“星标或置顶公众号”关键时刻，第一时间送达！作者：武博士、宋知达、袁雪瑶、聂文韬本节我们会以生动有趣的漫画来介绍关于人工智…
阅读更多...
字符串混淆技术应用 设计一个字符串混淆程序 可混淆.NET程序集中的字符串

字符串混淆技术应用 设计一个字符串混淆程序 可混淆.NET程序集中的字符串

关于字符串的研究，目前已经有两篇。 原理篇：字符串混淆技术在.NET程序保护中的应用及如何解密被混淆的字符串 实践篇：字符串反混淆实战 Dotfuscator 4.9 字符串加密技术应对策略 今天来讲第三篇，如何应用上面所学内容&#xff0c…
阅读更多...
前端学习（3125）：react-hello-react之类式组件里的构造器域props

前端学习（3125）：react-hello-react之类式组件里的构造器域props

阅读更多...
Github上的各大高校资料以及国外公开课视频

Github上的各大高校资料以及国外公开课视频

2019 第 37 篇文章，总第 61 篇文章本文大约 1800 字，阅读大约需要 5 分钟最近发现兴起了一股在 Github 上大学的潮流，目前可以选择的大学包括清华、北大、上海交通大学、中国科学技术大学、中山大学，然后今天还发现还可以选择上国…
阅读更多...
前端学习（3126）：react-hello-react之总结props

前端学习（3126）：react-hello-react之总结props

阅读更多...
Python基础入门_2基础语法和变量类型

Python基础入门_2基础语法和变量类型

Python 基础入门系列第二篇，上一篇简单介绍了为什么用 Python，以及安装和配置环境。 这一篇将先介绍基础的语法，包括标识符，即变量名字，然后 Python 特色的缩进规则，注释、保留字等等，接着就是…
阅读更多...
前端学习（3127）：react-hello-react之字符串形式

前端学习（3127）：react-hello-react之字符串形式

阅读更多...
java解析bmp文件

java解析bmp文件

最近想做一个图片查看器，因为bmp的图片简单些，也就从这个入手。 运用的基本知识还是IO的，关键是在于对于“协议”的理解。 一直觉得这些个协议是个很帅气的东西。感觉就像密码一样，你读到了一个文件，你只有知道对方的“…
阅读更多...
不到20行代码，用Python做一个智能聊天机器人

不到20行代码，用Python做一个智能聊天机器人

这是小编推荐的第 11 篇好文来源：菜鸟学Python作者：小安和小编伴随着自然语言技术和机器学习技术的发展，越来越多的有意思的自然语言小项目呈现在大家的眼前，聊天机器人就是其中最典型的应用，今天小编就带领大家用不到…
阅读更多...
前端学习（3128）：react-hello-react之回调形式的ref

前端学习（3128）：react-hello-react之回调形式的ref

阅读更多...
详解div+css相对定位和绝对定位用法

详解div+css相对定位和绝对定位用法

1.定位的专业解释： (1)语法 position:static|absolute|fixed|relative 从上面语法可以看出，定位的方法有很多种，它们分别是静态(static)，绝对定位(absolute)，固定(fixed)，相对定位(relative)。在这个教程里…
阅读更多...
Python基础入门_3条件语句和迭代循环

Python基础入门_3条件语句和迭代循环

Python 基础入门前两篇： Python 基础入门–简介和环境配置Python基础入门_2基础语法和变量类型 这是第三篇内容，主要简单介绍条件语句和迭代循环语句，内容也比较简单，目录如下： 条件语句和迭代循环 1. 条件语句 Py…
阅读更多...
前端学习（3129）：react-hello-react之回调形式的ref的次数问题

前端学习（3129）：react-hello-react之回调形式的ref的次数问题

阅读更多...
排序算法比较总结

排序算法比较总结

冒泡排序 每次从头开始&#xff08;每次结束可以不到最后&#xff0c;因为上一次已经确定最大值在末尾了&#xff09;&#xff0c;比较相邻两个数&#xff0c;每次下沉一个最大值。 123456789101112131415161718192021222324252627282930313233343536 #include <iostream>…
阅读更多...
如果你还不了解GBDT，不妨看看这篇文章

如果你还不了解GBDT，不妨看看这篇文章

作者&#xff1a;Freemanzxp简介&#xff1a;中科大研二在读&#xff0c;目前在微软亚洲研究院实习&#xff0c;主要研究方向是机器学习。原文&#xff1a;https://blog.csdn.net/zpalyq110/article/details/79527653Github&#xff1a;https://github.com/Freemanzxp/GBDT_Sim…
阅读更多...
前端学习（3130）：react-hello-react之回调形式的createRef

前端学习（3130）：react-hello-react之回调形式的createRef

阅读更多...
来了解下计算机视觉的八大应用

来了解下计算机视觉的八大应用

2019 第 40 篇&#xff0c;总第 64 篇文章本文大约7000字&#xff0c;建议收藏阅读之前通过三篇文章简单介绍了机器学习常用的几种经典算法&#xff0c;当然也包括了目前很火的 CNNs 算法了&#xff1a;常用机器学习算法汇总比较(上&#xff09;常用机器学习算法汇总比较(中&am…
阅读更多...
前端学习（3131）：react-hello-react之总结ref

前端学习（3131）：react-hello-react之总结ref

阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023