摘要:最近在利用业余时间学习机器学习,期间搜集整理了不少学习资料,多为斯坦福康奈尔等大学的公开课和讲座,以及机器学习领域的英文原版书籍。
最近在利用业余时间学习机器学习,期间搜集整理了不少学习资料,多为斯坦福/康奈尔等大学的公开课和讲座,以及机器学习领域的英文原版书籍。私以为,相比国内各大社区里出处不明的入门教程,还是一手的权威资料讲得更加深入和准确,所以,何不食肉糜呀!
另外,机器学习领域大牛很多,领域很广,应用更是广阔到难以尽数,作为一个ML小白,这篇文章的内容也并不会多完备,不求尽善尽美,只是抛砖引玉,一起交流学习。
1.计算机基础
python 入门:
Introduction to Python
Java入门:
Introduction to Java
算法:
Coursera specialization
数据库:
Stanford archived DB course
Using Database with Python
离散数学:
Coursera Discrete Math specialization
操作系统:
《Modern Operating Systems》
2.数学和统计基础线性代数(Linear algebra)【必须】
微积分(Calculus)【必须】
优化(Optimization)【必须】
基础统计(Statistics)【必须】
实分析和泛函(real analysis, functional analysis)【非必须】
3.入门机器学习入门:吴恩达的这个课可能没有人不知道了
《统计学习导论》:这本书里面的编程很轻量,但是作为直觉培养和思路练成,仍然是不错的
深度学习入门:吴恩达的这个课用来入门深度学习也不错
人工智能入门:Udacity的第一门旗舰AI课,基于斯坦福大学的一门本科生课程,会涉及一点比前几门入门课更宽广的概念
4.进阶[挖掘海量数据集
](http://web.stanford.edu/class...:之前的几个课程主要是讲监督学习的,这门斯坦福的课程稍微宽广一点,并不完全是机器学习,但是对扩大知识面和实践有帮助
高级机器学习:康奈尔大学的机器学习课程,可惜没有录像,只有课件,关于实战的部分讲的还是不错的
《The Elements of Statistical Learning》:经典ESL
《Pattern Recognition and Machine Learning》:经典书
信息提取和搜索
https://www.searchtechnologies.com/blog/relevancy-ranking-301
http://web.stanford.edu/class/cs276/
UIUC课程幻灯片
推荐系统
Recommender Systems: The Textbook
图像识别
stanford CS231n:Andrej版的堪称经典
自然语言处理
stanford CS224n
加强学习
《Deep Learning (Adaptive Computation and Machine Learning series)》:经典课本
无人车
MIT 自动驾驶课程
Cruise 2017年的演讲
百度 Apollo
MIT 2019最新总结
6.框架Tensorflow:https://www.youtube.com/channel/UC0rqucBdTuFTjJiefW5t-IQ
Pytorch:https://course.fast.ai/
Caffe
7.扩展注意事项数据量大了会面临的问题,一些最最小白的介绍,大佬可跳过
分布式系统:
https://hackernoon.com/a-thorough-introduction-to-distributed-systems-3b91562c9b3c
https://www.youtube.com/watch?v=BkSdD5VtyRM
系统设计
https://www.educative.io/collection/5668639101419520/5649050225344512?affiliate_id=5749180081373184/
https://www.amazon.com/Designing-Data-Intensive-Applications-Reliable-Maintainable/dp/1449373321/ref=as_li_ss_tl DDIA堪称经典教程
分布式OLTP和OLAP
https://www.youtube.com/watch?v=tcyDgOejU5g
https://www.youtube.com/watch?v=AoK8_QEi5U0
8.机器学习系统和平台
什么是机器学习系统?
https://ai.google/research/pubs/pub43146
https://ai.google/research/pubs/pub46555
Adv ML systems没有录像只有幻灯片
《Building Intelligent Systems - A Guide to Machine Learning Engineering》
NIPS2018
机器学习平台
Google:
tfx https://www.tensorflow.org/tfx/
KDD talk https://www.kdd.org/kdd2017/papers/view/tfx-a-tensorflow-based-production-scale-machine-learning-platform
Facebook:
- FB Learner flow [https://code.fb.com/ml-applications/introducing-fblearner-flow-facebook-s-ai-backbone/](https://code.fb.com/ml-applications/introducing-fblearner-flow-facebook-s-ai-backbone/)
Uber:
- Michelangelo [https://eng.uber.com/scaling-michelangelo/](https://eng.uber.com/scaling-michelangelo/)
深度学习 Horovod https://eng.uber.com/horovod/
linkedin:
Pro ML https://twimlai.com/twiml-talk-200-productive-machine-learning-at-linkedin-with-bee-chung-chen/
Airbnb:
Bighead https://databricks.com/session/bighead-airbnbs-end-to-end-machine-learning-platform
Podcast TwimlAI https://twimlai.com/shows/
安利时间我们在web开发过程中,都见过或者使用过一些奇技淫巧,这种技术我们统称为黑魔法,这些黑魔法散落在各个角落,为了方便大家查阅和学习,我们做了收集、整理和归类,并在github上做了一个项目——awesome-blackmargic,希望各位爱钻研的开发者能够喜欢,也希望大家可以把自己的独门绝技分享出来,如果有兴趣可以给我们发pr。
欢迎加入我们的QQ群(784383520),一起交流学习。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/18684.html
摘要:爬虫是我接触计算机编程的入门。练练练本文推荐的资源就是以项目练习带动爬虫学习,囊括了大部分爬虫工程师要求的知识点。拓展阅读一文了解爬虫与反爬虫最后,请注意,爬虫的工作机会相对较少。 爬虫是我接触计算机编程的入门。哥当年写第一行代码的时候别提有多痛苦。 本文旨在用一篇文章说透爬虫如何自学可以达到找工作的要求。 爬虫的学习就是跟着实际项目去学,每个项目会涉及到不同的知识点,项目做多了,自然...
摘要:爬虫是我接触计算机编程的入门。练练练本文推荐的资源就是以项目练习带动爬虫学习,囊括了大部分爬虫工程师要求的知识点。拓展阅读一文了解爬虫与反爬虫最后,请注意,爬虫的工作机会相对较少。 爬虫是我接触计算机编程的入门。哥当年写第一行代码的时候别提有多痛苦。 本文旨在用一篇文章说透爬虫如何自学可以达到找工作的要求。 爬虫的学习就是跟着实际项目去学,每个项目会涉及到不同的知识点,项目做多了,自然...
阅读 1585·2021-11-22 09:34
阅读 2900·2019-08-30 15:55
阅读 518·2019-08-30 15:53
阅读 1942·2019-08-30 15:52
阅读 2905·2019-08-29 18:32
阅读 1878·2019-08-29 17:15
阅读 2279·2019-08-29 13:14
阅读 3443·2019-08-28 18:05