看了Siraj Raval的3个月学习机器学习计划的视频，感觉非常好，地址：https://www./watch?v=Cr6VqTRO1v0结合一些我们学习中的经验得出一份Hybrid的机器学习自学计划。 根据Siraj的建议：机器学习的涉及的知识比例分布的
强烈建议订阅：Siraj Raval 的youtube 看他的视频非常舒服，一种非常独特的学习方式而且和有用，地址是：https://www./channel/UCWN3xxRkmTPmbKwht9FuE5A。 reddit这个网站大家可能不太熟悉，但是它已经全美流量排名第四，仅次于Google，YouTube和Facebook，上面内容质量很高，非常专注，下面这个地址是机器学习的subreddit：https://www./r/MachineLearning/。 第一个月：数学线性代数 看Gillbert Strang教授的教程足够了：https://www./playlist?list=PL49CF3715CB9EF31D。 为什么不推荐中国大学的数学课程呢，其实网易公开课上有跟大学里线性代数课程基本一致需要虽然是中文但是学习起来还是有难度的，没什么互动，如果是为了考试那还好。Gillbert Strang教授讲的更多是思考方式以及原理和各种形象的比喻，这种方式更适合我们在职学习，加强理解和思考。 注意：一定做笔记，不能只是听或者看，一定要做笔记，记录要点，疑问，自己的想法等等，这个非常重要，是决定你能否学习好的关键。昨天看到了一位名叫Tess Ferrandez的小姐姐在推特上分享了一套自己的吴恩达老师的课程笔记，再看看我自己以前的笔记，真是非常害羞，世界上最难受的事情就是比你厉害比你努力的人做的笔记颜值也比你高，地址在这里：https://www./TessFerrandez/notes-from-coursera-deep-learning-courses-by-andrew-ng 附上一张图片，大家看看： 微积分 3Blue1Brown的微积分的本质，老师当时就是看这个视频理解微积分的，老师笨，看了8遍左右吧，个别的视频看了15遍以上，没毛病是真实情况，因为每一段视频并不长，适合反复看，同时也能提高英语能力。 https://www./playlist?list=PLZHQObOWTQDMsr9K-rj53DwVRMYO3t5Yr。 概率和统计 edX（麻省理工和哈佛大学联手创建的开放在线课堂平台）有一门很好的课程叫做“科学的不确定性” https://www./course/introduction-probability-science-mitx-6-041x-2。 第二个月：机器学习这里我们按照Siraj的建议来
相关地址如下： python https://www./watch?v=T5pRlIbr6gg The Math of Intelligence https://www./watch?v=xRJCOz3AfYY Tensorflow https://www./watch?v=2FmcHiLCwTU Udacity https://eu./course/intro-to-machine-learning--ud120 机器学习开源项目 https://github.com/NirantK/awesome-project-ideas。 第三个月深度学习深度学习要用到大量的计算，需要GPU，即使刚入门也需要，买一块NVIDIA Tesla k80的GPU的价格2500美金，好吧。但是非常幸运的是google为我们提供了一块免费的GPU可用：注册google的账号，登陆进去，访问：https://colab.research.google.com 然后尽情的使用了。 视频教程推荐看Siraj本人的：https://www./watch?v=vOppzHpvTiQ 另外一个全世界都说好的是Fast.AI的课程，http://course./ 最后呢附上一些深度学习的开源代码，也可以自己实现一下，传到自己的github上 https://github.com/llSourcell?tab=repositories。 总结介绍了一份机器学习的自学计划和相关资源，每天保证2个小时的专注学习时间，重点是多思考和找到解决问题的套路，不要把自己的大脑当作是固态硬盘来存数据，要把自己的大脑当作是CPU或者是GPU，是用来计算的。 想阅读更多机器学习文章？ |
|
|
