[[263087]]

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

再也不用在學(xué)機(jī)器學(xué)習(xí)之前先惡補(bǔ)英語了，這兒有一套超熱門的優(yōu)質(zhì)中文資源可以選擇。

這套名叫AI Learning的GitHub資源，匯集了30多名貢獻(xiàn)者的集體智慧，把學(xué)習(xí)機(jī)器學(xué)習(xí)的路線圖、視頻、電子書、學(xué)習(xí)建議等中文資料全部都整理好了。

目前資源在GitHub上已經(jīng)有一萬顆Star，微博網(wǎng)友：好人一生平安。

事不宜遲，來看看這里面有啥。

從入門到大牛

很多初學(xué)者都會(huì)遇到這樣的問題：入門機(jī)器學(xué)習(xí)應(yīng)該從哪里學(xué)起？

這些過來人表示，學(xué)習(xí)路徑分三步，先學(xué)機(jī)器學(xué)習(xí)基礎(chǔ)，然后攻克深度學(xué)習(xí)基礎(chǔ)，***學(xué)習(xí)自然語言處理（NLP）相關(guān)知識(shí)。貢獻(xiàn)者表示：按照這個(gè)流程來學(xué)習(xí)，你可以當(dāng)大牛。

在機(jī)器學(xué)習(xí)基礎(chǔ)部分，貢獻(xiàn)者給出的學(xué)習(xí)路線圖是這樣的：

1. 機(jī)器學(xué)習(xí)基礎(chǔ)
2. KNN近鄰算法
3. 決策樹
4. 樸素貝葉斯
5. 邏輯回歸
6. SVM支持向量機(jī)
7. 集成方法
8. 回歸
9. 樹回歸
10. K-Means聚類
11. 利用Apriori算法進(jìn)行關(guān)聯(lián)分析
12. FP-growth高效發(fā)現(xiàn)頻繁項(xiàng)集
13. 利用PCA來簡(jiǎn)化數(shù)據(jù)
14. 利用SVD來簡(jiǎn)化數(shù)據(jù)
15. 大數(shù)據(jù)與MapReduce
16. 推薦系統(tǒng)

在上面16個(gè)學(xué)習(xí)模塊中，是知識(shí)點(diǎn)介紹、常用工具和實(shí)戰(zhàn)項(xiàng)目等不同類型的學(xué)習(xí)資源的整合版。點(diǎn)進(jìn)去就是具體學(xué)習(xí)資料，非常方便。

比如決策樹模塊，先介紹了概念與主要場(chǎng)景：

然后介紹了具體的項(xiàng)目案例和開發(fā)流程代碼：

每個(gè)模塊還有配套視頻，一并服用效果更好：

即使以后出現(xiàn)了新的學(xué)習(xí)資源，這套方法論也可以用上。

深度學(xué)習(xí)基礎(chǔ)部分在***部分的基礎(chǔ)上，繼續(xù)擴(kuò)展了反向傳播、CNN原理、RNN原理和LSTM四個(gè)知識(shí)點(diǎn)：

每個(gè)知識(shí)點(diǎn)對(duì)應(yīng)一個(gè)口碑介紹帖，內(nèi)文圖文并茂。

NLP內(nèi)容的學(xué)習(xí)路徑偏向于實(shí)際應(yīng)用，在文本分類、語言建模、圖像字幕、機(jī)器翻譯、問答系統(tǒng)、語音識(shí)別、自動(dòng)文摘7個(gè)領(lǐng)域極少，還一并放上了大量相關(guān)數(shù)據(jù)集：

省去了為找數(shù)據(jù)集跑斷腿的煩惱。

機(jī)器學(xué)習(xí)零食庫(kù)

除了能get到完整學(xué)習(xí)路徑持續(xù)通關(guān)，還能在里面找到人們機(jī)器學(xué)習(xí)資料“單品”。

有經(jīng)典口碑英文視頻吳恩達(dá)篇：

有入門專項(xiàng)訓(xùn)練篇等任君挑選：

整理好的電子書，直接下載PDF即可使用：

***，這個(gè)神奇的頁(yè)面還自帶貢獻(xiàn)者們自己摸爬滾打的心路歷程和學(xué)習(xí)建議。

看來這個(gè)資源，夠你用很久了↓↓

傳送門

GitHub地址：

https://github.com/apachecn/AiLearning