分享

机器之心2018高分教程合集

 汉无为 2022-01-10


作者:张倩、王淑婷

在过去的一年里,机器之心发布了许多关于基础知识、进阶技能、人生选择等方面的教程文章。为了方便广大读者查阅,小编将这些文章打包成一篇合集(加链接加到手疼……),作为2018年末大礼包送给大家。

本文盘点了机器之心 2018 年 2 月~12 月的教程精华,分为入门、语言、框架、数据、进阶、人生选择、Just for Fun 七大板块,从基本概念到深度解析,从语言到框架,从读博到就业……既有理论,也有实战;既有精华文章,也有视频、教科书、笔记。总之,你想要的,这里都有。

图片

入门

基本概念

机器学习、深度学习、强化学习……刚入门的你是不是觉得这些概念很难区分?仔细读以下几篇文章,迈出 AI 之路第一步:

数学知识

数学在机器学习中非常重要,不论是在算法上理解模型代码,还是在工程上构建系统,数学都必不可少。2018 年,机器之心发布了多位「独秀同学」本着「再看不懂就 sǐ给你看」的态度写的数学知识解读,帮你完成从入门到精通(不放弃)的进阶之路。

教材/课程

当然,要成功入门 AI,读几篇文章、掌握一点碎片知识是远远不够的,以下课程、教材帮你系统梳理了入门所需的基础知识。

读论文

学完了入门课程,是时候读一些论文了。但论文那么多,究竟怎么读?这里有两篇文章帮你解锁读论文的正确姿势。

工具

学了这么多理论知识,当然要来点实战检验一下。但在此之前,你还要 get 两样工具——GitHub 和 Jupyter Notebook。前者是一个大型代码库,是开发人员和公司托管项目、文档和代码的常用平台。后者是一款免费、开源的交互式 web 工具,你可以利用该工具将软件代码、计算输出、解释文本和多媒体资源组合在一个文档中。以下几篇文章将告诉你如何更好地利用这两个工具。

实战

实战开始!Are you ready?

语言

Python

随着机器学习的兴起,Python 逐步成为了「最受欢迎」的语言。它简单易用、逻辑明确并拥有海量的扩展包,因此其不仅成为机器学习与数据科学的首选语言,同时在网页、数据爬取可科学研究等方面成为不二选择。此外,很多入门级的机器学习开发者都是随大流选择 Python(参见《人生苦短,为什么我要用 Python?》)。Stack Overflow 将 Python 称为「增长最快的主要编程语言」,Indeed.com 估计美国的 Python 开发人员平均年收入将超过 JavaScript 和 Java 的开发人员,达到 114,811 美元(参见《业界 | 2018 最流行的编程语言 Top 3(附薪资情况)》)。人生苦短,你还有什么理由不学 Python?

Julia

今年 8 月份,Julia 1.0 正式发布,在社区内引发了极大的关注,成为热度上升最快的编程语言之一,下载量超过 200 万次,下载者包括谷歌、Facebook、FAA 和美国能源部等各个部门的开发者。该语言期望结合 C 的速度、Matlab 的数学表征、Python 的通用编程与 Shell 的胶水命令行,并构建开源、自由与便捷的编程语言。想成为斜杠青年,不多学点语言怎么行?

框架

深度学习是机器学习领域最热门的方向之一,而 Python 又是深度学习使用的热门语言,因此,能兼容 Python 的框架非常值得学习。下面我们将介绍两份框架学习教程。

TensorFlow

Kaggle 上的一份排行榜从领英职位需求、谷歌搜索热度、Medium 文章数、arXiv 论文数和 GitHub 活跃度等方面审视了不同的框架,发现 TensorFlow 是绝对赢家。在 GitHub 活跃度、谷歌搜索、Medium 文章数、亚马逊书籍和 arXiv 论文这些数据源上,它所占的比重都是最大的。此外,TensorFlow 还拥有最多的开发者用户,出现在最多的在线职位描述中。因此,框架还要从 TensorFlow 学起。

PyTorch

自 2017 年 1 月推出以来,PyTorch 热度持续上升,一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点,如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此,走上学习 PyTorch 的道路已刻不容缓。

PaddlePaddle

百度深度学习框架 PaddlePaddle 自 2016 年开源以来,受到了业界的广泛关注。不久之前,PaddlePaddle 1.0 正式发布。这一由中国科技巨头开源的首个深度学习框架为我们提供了超全的官方模型支持和最完善的移动端硬件支持。更重要的是,这一框架非常适合国内开发者,有兴趣的geek可以从以下教程入手。

数据

数据是人工智能发展的一大基石。这部分教程包含了 AI 研究者、工程师等相关人员需要的数据集和数据可视化方法。

数据集

数据可视化

进阶

图片

掌握了基础知识,学了语言、框架,想不想在 AI 之路上再进一步呢?这一部分盘点了机器学习、深度学习、强化学习、计算机视觉、自然语言处理方面的理论知识、实践经验及工程技巧,此外还有全面、深入的详解、综述、竞赛类文章,既适合研究人员,也适合各个领域的工程师阅读学习。

机器学习

深度学习

强化学习

计算机视觉

自然语言处理

综述/详解/竞赛

人生选择

图片

继续深造还是就业?每个即将走出校门的人面临这种艰难的人生选择,甚至有些已经就业的人也在考虑重新选择。这里有一些过来人给出了一些实用的人生建议/职业指导,希望对你有所启发。

读博

就业

Just for Fun!

2018 年,谷歌的「猜画小歌」在朋友圈火了一把,众多吃瓜群众惊呼「amazing!」这些小程序的出现拉近了 AI 与大众的距离,又好玩又亲切,想不想自己做一个出来玩呢?

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多