AI & ML 推荐

AI & ML 推荐

1. Python 入门篇

  • 廖雪峰的 Python 教程
    推荐看到 正则表达式就可以了,前面如果不懂,可以利用丰富的网上资源查找资料,不用只局限一篇博客

  • 书籍: Learning Python
    这本书非常值得推荐,感觉写的很详细,但可能对初学者不太友好。
    我在学了 Python 很久后才看到这本书的,感觉很多原先不懂的地方这里都解释得很清楚
    我的博客中关于 Python 部分 大多数都是总结自这本书

  • Numpy, Scikit-learn, Matplotlib 学习: Scipy Lecture Note (很遗憾缺少 Pandas 库)

  • Python 可视化: Python graph gallery
    注: 我的博客中讲解 seaborn 的部分来自这个网址

这里强烈建议读完前两个,后面关于库的使用,可以在项目中学,后面在 Kaggle 篇会解释

2. Machine learning 入门篇

  • Coursera 的课程 Machine LearningDeeplearning.ai (一共有 5 节课),注意这两门课在 youtube 都有视频,但没有课后作业。我觉得这门课的精华之处就在课后作业,值得好好做一做。前者用 Matlab/Octave,后者用 Python Jupyter。

  • 还有台湾大学林宏毅教授的视频 :
    http://speech.ee.ntu.edu.tw/~tlkagk/courses.html
    (我还没有看,但感觉很不错,我也得抓紧看下)

  • Fast.ai : 对新手入门很好,先跑例程,可以直接看到效果,但没有过多解释背后的数学原理,不然课程怎么叫 fast ai。

  • 李沐的 动手学深度学习 : MXNet 框架
    还有
    注:

    1. 如果对矩阵求导不熟悉,可以参见我的博客 ,请注意 vectorization 的思想非常重要

    2. 如果线性代数忘了,就算没有忘,也请多看看这个网站: https://ccjou.wordpress.com/ (可能需要梯子)
      或者 MIT 的课程 : Linear algebra 以及对应的教材,理解各种矩阵分解和四个子空间

    3. 如果对数学理论感兴趣,可以补充看这几个方面的书籍:
      凸优化: Convex optimization
      实变函数和泛函分析: 有点啃不动,有人想学可以一起啊
      数值分析感觉也挺重要的,庆幸我在研究生的时候学过,梯度下降就在这门课讲过,以及范数等

  • 如果对传统的机器学习感兴趣,推荐 Scikit-learn 库。如果对算法的原理感兴趣,基本上上面这个库的 Tutorial 和 User Guide 都覆盖了,可以看下。

  • 入门后的书籍推荐:

  • 后续还有 GAN 对抗生成网络 推荐

3. Computer Vision 推荐

  • OpenCV 库 (图像处理库)
    推荐书籍: Learning OpenCV3
    但还是建议 “在用中学”

  • 斯坦福大学课程:

    • CS131 : introductory course for computer vision
    • CS231a: advanced computer vision
    • CS231n: deep learning and convolution neural networks

4. Pytorch 学习

5. Kaggle 篇

终于到了 Kaggle 篇,如果前面的 Numpy, Pandas 都没有学过,这里推荐两篇文章:

在实操几个题目,就可以愉快地玩耍了

6. 我的想法

我想在这个暑假创建一个网站,用于展示 神经网络的各种应用,可以和用户交互,比如用户在写字板写入数字,可以自动识别。比如 YoLo 实时物体识别。或者也可以动态展示神经网络的原理。所以在学 Django (一个 Python 的 Web 框架),慢慢来吧,有兴趣的小伙伴可以加入哦。

2 thoughts on “AI & ML 推荐

发表评论

电子邮件地址不会被公开。 必填项已用*标注

This site uses Akismet to reduce spam. Learn how your comment data is processed.

%d 博主赞过: