我的AI学习路线
学习指引
- ML/DL; 20%有效学习时间;
- Research Interest; 80%有效学习时间;
ML/DL里面包括了一堆东西许多方面,每一个都完全掌握仅靠研究生阶段恐怕很难,所以在整体过ML、DL的过程中,找到自己的Research Interest花大量的时间来学习,通过paper,code精通这一方面。
然后,可以考虑发paper。
学习资料
- 吴恩达(先机器学习,后深度学习)
- 视频1:[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili
- Coursera-ML-AndrewNg-Notes/机器学习个人笔记完整版v5.52-A4打印版.pdf at master · fengdu78/Coursera-ML-AndrewNg-Notes (github.com)
- 视频2:(强推|双字)2021版吴恩达深度学习课程Deeplearning.ai_哔哩哔哩_bilibili
- 笔记在线阅读:机器学习个人笔记-目录 (ai-start.com)
- 课后编程题,Jupyter;
- 结合《机器学习》这本书,系统的入门AI;
- 周志华老师的《机器学习》
- 在《机器学习》一书中,周志华老师提到这是一本面向理工科高年级本科生和研究生的教科书,并且给出了如果作为本科生教材,讲授进度上的一些建议;
- 南瓜书PumpkinBook(相当于西瓜书的注释) (datawhalechina.github.io)
“周志华老师的《机器学习》(西瓜书)是机器学习领域的经典入门教材之一,周老师为了使尽可能多的读者通过西瓜书对机器学习有所了解, 所以在书中对部分公式的推导细节没有详述,但是这对那些想深究公式推导细节的读者来说可能“不太友好”,本书旨在对西瓜书里比较难理解的公式加以解析,以及对部分公式补充具体的推导细节。”
- 也是周志华老师的《机器学习理论导引》
- 而在《机器学习理论导引》中,老师说,本书读者必须具备较为扎实的理工科高年级本科生的数学知识,还必须具备机器学习的基础知识,至少应该系统性地学习过机器学习的专门性教科书。
- 《导引》主要涵盖七个部分,分别对应机器学习理论中的七个重要概念或理论工具,即:可学性、(假设空间)复杂度、泛化界、稳定性、一致性、收敛率、遗憾界;
- 钥匙书KeyBook (datawhale.club):《机器学习理论导引》的注释;
参考目录
如何看待周志华等人的新书《机器学习理论导引》? - 知乎 (zhihu.com)
[机器学习 机器学习理论导引 - 搜索结果 - 知乎 (zhihu.com)](https://www.zhihu.com/search?type=content&q=机器学习 机器学习理论导引)