人工智慧之演算法知識與實戰篇

寫在前頭

1、課程的選擇：

選擇一門完整的演算法課程，並以此課程為主，系統性學習；公眾號或者其他材料都是輔助，裡面主要是零碎的知識。推薦業內經典課程。

2、本號不涉及技術層面的內容：

沒有那個水平；前人已經有非常完善的課程體系

機器學習篇

1、知識內容

2、學習資源推薦

簡單版：吳恩達在Coursera的機器學習課程；機器學習入門首選課程，據說全世界有數百萬人通過這門課程入門機器學習。課程的級別是入門級別的，對學習者的背景要求不高，如果數學太差就先看這個吧，課後作業要做。

連結： https://www.coursera.org/learn/machine-learning

中文版： http://study.163.com/course/introduction.htm?courseId=1004570029

作業答案：https://github.com/TingNie/Coursera-ML-using-matlab-python

難度版：吳恩達CS229，上面那門課的數學加強版，如果有一定數學，可以跳過上面的直接看這門課。

中文版：http://open.163.com/special/opencourse/machinelearning.html

學習指南：CS229的材料分為notes（講義），課程視訊，課後作業。講義和課程視訊是必看的，課後作業太難，暫且忽略，等水平到一定的時候再看。講義是課程視訊的詳細版，裡面有很多數學的推導，建議先看講義後看視訊，帶著問題去聽課。這麼課學習下來要達到的效果是不看講義，自己能手寫推導過程，推個70%就差不多了。課程包含20集，初學者先看前15集即可。配合著前述文章中寫到的《機器學習實戰》、李航《統計學習方法》、周志華《機器學習》。

深度學習篇

1、知識內容

2、推薦課程Cs231，包含課程視訊、課程筆記、課後作業，都要看，課後作業要寫，詳情參見我之前的文章。

專案實戰篇

1、《hands-on-ml-with-sklearn-and-tf》，見之前的文章

2、Kaggle入門指南， https://blog.csdn.net/u010094934/article/details/77689151

3、Kaggle學習資源，https://github.com/apachecn/kaggle

4、scikit-learn學習，官方文件必看，http://sklearn.apachecn.org/cn/0.19.0/

5、tensorflow學習，官方文件必看， https://tensorflow.google.cn/api_docs/python/?hl=zh-cn

6、TensorFlow學習，史丹佛CS20SI選看，參考地址： https://blog.csdn.net/lqfarmer/article/details/72956283

推薦部落格

http://karpathy.github.io/

自然語言（可選）

這是深度學習在自然語言處理上的進一步應用了，如果你以後要做這方面的工作，可以學習一下，否則可以不看。

CS224d課程：深度學習在自然語言處理上的應用

視訊及筆記地址：https://www.jianshu.com/p/062d2bbbef93

討論學習，文章釋出，公眾號：learningthem

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31549715/viewspace-2200127/，如需轉載，請註明出處，否則將追究法律責任。