2021机器学习入坑指南

本文来源：网络、GitHub

这是一份适用于小白的机器学习超丰富资源指南。

机器学习社区社交媒体上经常有人提出这样的问题：

• 我如何开始机器学习？

• 我如何免费学习？

• 什么是人工智能？我怎样才能学会它？

• 人工智能是如何工作的？我该从何学起？

• 如果我没有开发人员背景，该如何开始？

• ......

面对这些问题，油管博主 What's AI——Louis Bouchard 撰写了一份关于「如何在 2021 年零基础开始机器学习」的完整指南，整合了大量学习资源，而且大部分是免费的。

项目地址：https://github.com/louisfb01/start-machine-learning

该资源现已获得 1.9K star 量，并且仍在持续更新中。我们来看一下这份指南的具体内容。

1. 首先 Bouchard 列出了一些初步了解机器学习领域及其术语的视频，并整理好了 免费链接，包括 What's AI 的 Learn the basics in a minute、Welch Labs 的 Neural Networks Demystified 和 3Blue1Brown 的 Neural networks。

Welch Labs 的 Neural Networks Demystified

缺点是需要科学上网。

2. 第二部分 Bouchard 进一步列出了一些更系统的机器学习入门课程，包括 AI 大牛吴恩达的斯坦福 CS229。

3. 阅读一些优秀的线上文章，线上文章大多是被多次浏览的，优秀的技术文章能够脱颖而出说明它们受到许多人认可。目前 Bouchard 列出的文章包括：

4. 除了文章，一些体系完整的书籍也是可以阅读学习的，Bouchard 给大家整理了一些书目的在线版：

5. 入门机器学习没有相关的数学知识怎么办？这让许多初学者望而却步。在这份指南中，Bouchard 给大家推荐了可汗学院的 3 门数学课程：线性代数、统计与概率、多元微积分。此外，他还推荐了一些与数学相关的书和视频，供大家进行更结构化的学习。

可汗学院的线性代数线上课程。

6. 除了数学基础，一些跨专业学习的初学者可能缺乏编程的基础知识。Bouchard 主要为大家整理了一些学习 Python 的课程资源：

7. 与其他领域一样，名校以及领域内大牛的课程是含金量非常高的，例如图灵奖得主 Yann LeCun、吴恩达等都有自己的线上课程，Bouchard 的指南中目前整理了如下内容

8. 掌握理论知识后，实践也是非常重要的。Bouchard 在指南中推荐了数据建模和数据分析竞赛平台 Kaggle，在 Kaggle 上完成相应题目的编码和测试是机器学习社区常见的实践学习方式。

Kaggle 平台地址：https://www.kaggle.com/

9. 此外，Bouchard 还为大家整理了一些提供领域新闻和资讯的社区平台或网站。借助这些平台，研究者们能够查阅最新的研究进展和论文等，包括 reddit、Medium 等。

最后，Bouchard 整理了 AI 领域目前面临的重要问题——伦理道德与可信 AI 的相关信息，还在个人博客中总结了一些机器学习工作面试的小技巧：https://www.louisbouchard.ai/learnai/#how-to-find-a-job

如此完备的机器学习入门指南，感兴趣的同学快去查看原项目的丰富资源吧。

---

本文内容参考以上链接。以上内容仅供学习使用，不作其它用途，如有侵权，请留言联系，作删除处理！

有任何疑问及建议，扫描以下公众号二维码添加交流：