导读:GitHub上一份机器学习完整路线引起了广泛关注,在短短的十个小时里已经收获了一千多个点赞。作者Giacomo回顾了自己三四年间学习机器学习的心路历程,毫无保留的分享出自己收藏的各种学习资源,工程,工具,awosome集合,教程以及各种实践经验。
https://github.com/clone95/Machine-Learning-Study-Path-March-2019/tree/master/Career%20Paths/Machine%20Learning%20Engineer%20Career%20Path
作者强烈建议购买由Oreilly撰写的《用SciKit学习和TensorFlow进行机器学习》这本书,它给作者很强的激励,并推动了他所列出的大部分内容的组织和层次结构。所有内容都是开源和免费的,其中大部分来自世界著名的大学和开源协会。
整个机器学习完整路线图被分为四个部分:
1. 预备知识
? Python
? Jupyter Notebook
? The Math you need
? The Machine Learning landscape
2. 基于Scikit-Learn的机器学习
? Why Scikit-Learn?
? End-to-End Machine Learning project
? Linear Regression
? Classification
? Training models
? Support Vector Machines
? Decision Trees
? Ensemble Learning and Random Forest
? Unsupervised Learning --- new
? Wrapping up and looking forward
3. 基于TensorFlow的机器学习
? Why TensorFlow?
? Up and Running with TensorFlow
? ANN - Artificial Neural Networks
? CNN - Convolutional Neural Networks
? RNN - Recurrent Neural Networks
? Training Networks: Best practices
? AutoEncoders
? Reinforcement Learning
? Next steps
4. 实用工具
? Machine Learning Projects
? Data Science Tools
? Blogs / Youtube Channels / Websites worth taking a look!
以下是作者分享内容的PDF文档整理,供感兴趣的专知用户学习收藏,部分展示如下: