0-学习路线

超详细的算法学习路线

https://cuijiahua.com/blog/2020/10/life-73.html

 

主要分为 4 个部分:数学基础、编程能力、算法基础、实战。

1、数学基础

在机器学习算法中,涉及到最为重要的数学基本知识有两个:线性代数概率论

这两也是大学的必修课了,如果知识早已还给老师,也没关系,哪里不会学补哪里

线性代数研究的是线性空间的性质,数据通常会被表示为欧式空间中的点,而这些点经过一系列变换后会映射到另一个空间,在新的空间中隐藏在数据中的规律才得以显现。

所以线性代数作为研究空间的一门科学,是入门机器学习的最要基础之一

视频:推荐 MIT 的老教授 Gilbert Strang 的线性代数上课视频。

没学过线代的同学会发现这门课程,讲得清晰而且直观,深入线代的精髓,完全不是那种理论堆砌的讲法,而且老教授幽默风趣,很有人格魅力。

英文不好,也不用担心,字幕是中文的

 

概率论是研究不确定性的一门科学,生活处处是概率。机器学习算法需要对现实情况建模,自然是少不了将概率论作为工具。

这门课入门并不难,大家可以挑一本评分还可以的书开始学习。

这里推荐陈希儒的《概率论与数理统计》,讲得很详细,如同听一个老者回忆自己的概率与统计心得,相信读者也会有所收获。

 

2、编程能力

编程语言,需要至少掌握两门, Python 和 C++。

工作中,Python 主要用于处理数据算法调研模型训练的工作,而 C++ 则是负责工程落地

算法工程师,需要针对落地场景,对算法的可靠性和实时性等方面进行优化,C++ 工程能力必不可少。

Python 是一门非常友好的编程语言,不但易于入门而且功能强大,在进行机器学习算法开发的过程中会大量使用 Python。

视频:我上学看的第一个视频,就是小甲鱼 Python 课程,风趣幽默,涉及Python 语法基础、网络爬虫、Pygame 飞机大战等内容,内容很丰富。

 

C++是一种面向对象的程序设计语言,无论你是做算法,还是做开发,亦或者是做测开。C++ 都应该掌握,它是一个基础的编程语言。学会了这门编程语言,再学其它,就会更得心应手。

视频:这部分推荐慕课网的免费教程,很好的入门视频,老师讲得绘声绘色、形象生动、通熟易懂。

 

想进阶,进一步学习,直接上 LeetCode。

力扣可以从 HOT 100 或 精选算法 200 题刷起,题目相对于《剑指Offer》要增加一些难度,但每道题目都有对应的解题思路和答案。

坚持刷完 200 道,大多的面试轻松搞定,完全够用。

当然要面试谷歌级别的大佬,Hard 题是不能放过的。

刷题地址:https://leetcode-cn.com/

 

3、算法基础

恭喜大家,在做了前面这么多基础工作之后,终于可以开始入门机器学习算法了。

机器学习

视频:推荐吴恩达老师的机器学习视频,吴恩达是整个领域的巨头之一,学术地位很高。同时,他出的视频也对新手非常友好,入门的不二之选。

下载地址(提取码:jack ):

链接:https://pan.baidu.com/s/1OglLhzB5gWHrK_pkAWF2Sg

教材:还是那句话,光看不练是不行的。《机器学习实战》,理论结合实战,适合新手。

在线阅读地址:https://cuijiahua.com/blog/ml/

 

深度学习

深度学习是现在的算法工程师绕不开的一个子领域,是机器学习的子集。

视频:还是推荐吴恩达老师的深度学习视频,也是对新手非常友好。

下载地址(提取码:jack ):

链接:https://pan.baidu.com/s/1TShDS2_jioxMRhFv2253aQ

教材:说实话,深度学习,我并没有看过书,都是视频+ Github 开源项目学习的,不过被誉为深度学习领域圣经的“花书”,可以备一本。

下载地址(提取码:jack):

链接:https://pan.baidu.com/s/1Pv3DbB2Eqp1oK0PlgTHxbA

深度学习框架

深度学习框架有很多,Tensorflow、Pytorch、Paddle、MXNet、Caffe等。

我在工作过程中,用的最多的是 Pytorch,其次是 Tensorflow。

新手上手,推荐先学 Pytorch,可以直接看 Yunjey Choi 大佬的 Github 教程,简单入门:

项目地址:

https://github.com/yunjey/pytorch-tutorial

Pytorch 深度学习框架学习,也可以看我写的 Pytorch 深度学习实战系列教程,有垃圾分类、图像分割等结合实战的小项目。

Github 开源代码 Star 400+,fork 250+。

项目地址:

https://github.com/Jack-Cherish/Deep-Learning

我也将这个系列打包成了本地 pdf,喜欢离线看,也可以直接下载。

下载地址(提取码:jack):

链接:https://pan.baidu.com/s/1PXkcKJa-ZJ0fWeqVduCoZA

 

4、实战

实战实战,文章反复提到了这么多次,仅仅这些还是远远不够的。

因为更多时候,你是跟着视频 or 文章的思路去实战,这缺少了独立思考的过程。

学了这么多,你并没有独立完成过一个项目,数据怎么处理,怎么分析问题,用什么算法解决问题,也没有独立思考过。

算法工程师的岗位竞争也比较激烈的,为了在茫茫人海中脱颖而出,我们需要以团队个人的形式,独立完成一些项目,只有这样,你才能更具竞争力。

对于学生党,做项目,最简单直接的方法就是参加竞赛

推荐两个参加竞赛的地方,一个是国外的 Kaggle,另一个是国内的阿里云天池

两个竞赛的奖金也都很丰富,根据自己的喜好,参赛即可。

Kaggle:Kaggle: Your Machine Learning and Data Science Community

阿里天池:https://tianchi.aliyun.com/competition/gameList/activeList

既能打比赛,又能赢奖金,何乐而不为呢?

三、资料打包

本文提到的资料,我都打包了,可以直接全部打包带走

下载地址(提取码:jack):

链接:https://pan.baidu.com/s/12tbVrUF056pY7aCyMpgl1w

PS:有能力支持正版的,资料觉得不错,可以去购买支持一波正版。

 

计算机原理:

计算机科学速成课:https://www.bilibili.com/video/av21376839

操作系统:https://www.bilibili.com/video/BV1js411b7vg

数学:

MIT老教授Gilbert Strang线性代数:https://www.bilibili.com/video/BV1at411d79w

编程语言:

Python:https://www.bilibili.com/video/BV1Fs411A7HZ

C++:https://www.imooc.com/search/?words=C%2B%2B

观看顺序是:起航篇、离港篇、封装篇、继承篇、多态篇、模板篇。

数据结构:https://www.bilibili.com/video/BV1JW411i731

剑指Offer刷题笔记:https://github.com/Jack-Cherish/LeetCode

 

算法基础:

机器学习:https://www.bilibili.com/video/BV164411b7dx

深度学习:https://www.bilibili.com/video/BV1FT4y1E74V

JackCui机器学习教程:https://github.com/Jack-Cherish/Machine-Learning

Pytorch框架:https://www.bilibili.com/video/BV1Rv411y7oE

Tensorflow框架:https://www.bilibili.com/video/BV1kW411W7pZ

热门相关:超武穿梭   天启预报   大神你人设崩了   巡狩万界   仗剑高歌