Github 十个小时狂揽千赞：机器学习完整路线图

---

  新智元推荐  

来源：专知(ID：Quan_Zhuanzhi)

整理编辑：三石

【新智元导读】昨天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。刚博士毕业的在一家AI创业公司工作的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。

该项目旨在为机器学习入门提供完整而有机的学习途径。您将理解TensorFlow和Scikit-Learn这两种理论，并能够通过实际项目将其应用于实践中。掌握它们不需要任何先前的知识，但对编程和高中数学有一定的基础是理解和实现机器学习概念所必需的。

Giacomo强烈建议购买这本书：OreillY的“Hands-On Machine Learning with Scikit-Learn and TensorFlow”，它激发了我的灵感并推动了下面列出的大部分内容的组织和层次结构。

除此之外，这里列出的所有内容都是开源和免费的，其中大部分来自世界知名大学和开源协会。并且详细记录了各个部分的网址链接。

当我们学习新的东西时，尤其是在广泛而复杂的情况下，有必要避免混淆，所以我尝试在可能的情况下创建路径的后续步骤，从而优先考虑相同上下文和作者的内容。

GitHub链接：

https://github.com/clone95/Machine-Learning-Study-Path-March-2019/tree/master/Career%20Paths/Machine%20Learning%20Engineer%20Career%20Path

整个机器学习完整路线图被分为四个部分

预备知识

• Python

• Jupyter Notebook

• The Math you need

• The Machine Learning landscape

 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

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

实用工具

• Machine Learning Projects

• Data Science Tools

• Blogs / Youtube Channels / Websites worth taking a look!

GitHub地址：

https://github.com/clone95/Machine-Learning-Study-Path-March-2019/tree/master/Career%20Paths/Machine%20Learning%20Engineer%20Career%20Path

本文经授权转载自公众号“专知”，ID：Quan_Zhuanzhi

---

新智元春季招聘开启，一起弄潮AI之巅！

岗位详情请戳：

【春招英雄贴】新智元呼召智士主笔，2019勇闯AI之巅！

【2019新智元 AI 技术峰会倒计时7天】

 2019年的3月27日，新智元再汇AI之力，在北京泰富酒店举办AI开年盛典——2019新智元AI技术峰会。峰会以“智能云•芯世界“为主题，聚焦智能云和AI芯片的发展，重塑未来AI世界格局。

同时，新智元将在峰会现场权威发布若干AI白皮书，聚焦产业链的创新活跃，评述华人AI学者的影响力，助力中国在世界级的AI竞争中实现超越。

购票二维码

活动行购票链接：http://hdxu.cn/9Lb5U

点击文末“阅读原文”，马上参会