首发于量子位
近千人点赞!哈佛博士放出超多资源,机器学习课程教程小抄全都有

近千人点赞!哈佛博士放出超多资源,机器学习课程教程小抄全都有

安妮 编译整理
量子位 出品 | 公众号 QbitAI

对于机器/深度学习初学者来说,没什么比“学了芝麻忘了西瓜”更让人丧气的了!

谷歌了同一个知识点135遍,但用兵一时之日仿佛从未经历,不断陷入“马冬梅困境”:

不仅你有这种困境,哈佛机器学习方向在读博士Samuel Finlayson也忍不了了。

近日,Finlayson整合了一份机器学习和统计学必备的学习清单,里面包含开放课程教科书网友贡献的教程业内大拿的博客等诸多学习资料。

清单一经放出,就在推特收获了高额点赞量。

Finlayson介绍说,整套资源共分为四大类内容。

开放课程和教科书类资源涵盖了数学、图形学、机器学习、深度学习、强化学习等大范围内容,完整学习一套需要几周到几个月的时间。

这些大多是世界名校的公开课,不出门也能听斯坦福大学、纽约大学、伯克利大学的教授侃侃而谈。

开放课程和教科书类资源不完全截图

当然~也包括之前众多CS博主强推的吴恩达的CS229讲义。

教程和个人讲义类资源多来自于网友贡献的课程笔记,包括线性代数、概率与统计、贝叶斯机器学习等专项内容,学完每个资源需要的时间从几周到几个月不等。

Finlayson说这部分是他觉得效果最好最感兴趣的一部分,也希望大家一起贡献。

此外,如果临近期末复习,想要找到一份类似知识点大全的东西,可以去备忘单类里找一找,这个类似小抄的工具箱说不定能在考试中帮你提几分。

除了这些系统的课程和讲义,Finlayson还收集了一部分杂七杂八的网站,包括一些机构和个人的博客。Finlayson表示这些博客不定期会发一些因吹斯听的内容。

下面这个链接,可以把你传送到这篇博客原文:

sgfin.github.io/learnin

记得收藏~

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI· 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

发布于 2018-11-12 07:53