資源 | 普通程序員如何自學機器學習

機器學習工程師自學指南

     本文將會介紹機器學習的方方面面，從簡單的線性迴歸到最新的神經網絡，你不單單能學會如何使用它們，而且還能從零進行構建。

     如下內容以計算機視覺爲導向，這是學習通常知識的最快方法，而且你從中得到的經驗能夠很容易地遷移到機器學習的其餘領域。

     本文咱們將會使用TensorFlow做爲機器學習框架。

     學習是一個多維因素做用的結果，因此若是能基於學習資料，理論和實踐並重，學習效果會好不少。另外，還有一個很好的實踐方法是參與Kaggle競賽，經過競賽的形式解決實際生活中的問題，從而鞏固此前所學。

（要求：關於Python，你無需達到專家級別，但要很好地掌握基礎知識）

1.課程

1.1 實用機器學習（約翰霍普金斯大學）

www.coursera.org/learn/pract…

1.2 機器學習（斯坦福大學）

www.coursera.org/learn/machi…

以上兩個課程會教你一些數據科學和機器學習的基礎知識，也有助於你對更有難度知識的學習和掌握。

1.3 CS231n：面向視覺識別的卷積神經網絡 2017 (2016)

cs231n.stanford.edu/

該課程是網上關於ML & CV最好的課程之一，不只能讓你瞭解這裏邊的水有多深，還能爲你進一步的研究探索打下良好的基礎。

1.4 深度學習（Udacity的課程）

www.udacity.com/course/deep…

1.5 CS224d：面向天然語言處理的深度學習

cs224d.stanford.edu/

1.6 深度學習相關的電子書（涵蓋了ML的方方面面）

leonardoaraujosantos.gitbooks.io/artificial-…

2.實戰

如下是課程和項目列表，有助於理解運行原理並找到提高辦法。

2.1. Tensorflow 相關的簡單練習課

www.kadenze.com/courses/cre…

2.2. Tensorflow cookbook

github.com/nfmcclure/t…

2.3. Tensorflow-101教程部分

github.com/lengstrom/f…

2.4. 如何使用神經網絡實現圖像風格遷移。

github.com/lengstrom/f…

2.5 圖像分割

github.com/MarvinTeich…

2.6 使用SSD實現物體識別

github.com/balancap/SS…

2.7 面向物體識別和分割的快速掩膜RCNN

github.com/CharlesShan…

2.8 強化學習，對搭建一個機器人或者Dota AI很是有用。

github.com/dennybritz/…

2.9 Google Brain團隊的Magenta項目

github.com/tensorflow/…

2.10 深度度雙邊學習實時圖像加強

groups.csail.mit.edu/graphics/hd…

2.11 自動駕駛汽車項目

github.com/udacity/sel…

3. FAQ

學習過程當中遇到困難怎麼辦？

首先，你必須明白機器學習不是100%精確的，大多數狀況下只是一個很好的猜想而且須要大量的調整迭代。所以，在大多數狀況下，想出一些獨特的想法是很是困難的，由於你的時間和資源大多會花在訓練模型上。因此不要試圖獨自找出解決方案，你能夠搜索論文、項目以及找能夠幫助你的人。能夠說，在得到經驗方面越快越好。

如下這些網站能夠幫獲得你：

• www.gitxiv.com/

• www.arxiv-sanity.com/

• arxiv.org/, https://s…

爲何論文不能徹底解決問題，或者在一些特定狀況下爲何論文被驗證是錯的？

很遺憾的說，並非全部的科技人員都願意公開本身的研究成果，但他們須要經過發表論文來得到收益或者名望。因此他們中的一些人只公佈了一部分材料，或者給出了錯誤的公式。因此咱們最好搜索代碼，而不是論文。論文只是解決了特定問題的證據或者事實。

從哪裏查找最新的學習資料？

• www.gitxiv.com/，不只能找到最新論文，還能找到所須要的代碼。

• www.arxiv-sanity.com/

• arxiv.org/

用雲計算仍是臺式機/筆記本電腦？

在有大量計算需求的狀況下，雲計算是最好的選擇。對於學習和測試，使用帶有支持CUDA的顯卡的PC/筆記本電腦要便宜得多。固然，若是你有免費雲資源或多餘資金，仍是使用雲比較好。

如何提升調超參數技能？

訓練中的主要問題是時間，你不可能一直坐在那裏盯着訓練數據，所以建議你使用Grid Search。只須要建立一組超參數和模型架構，一個接一個的運行，並保存結果。這樣你就能晚上訓練，在接下來的一天對比結果，直至找到最有但願的那個。

你能夠看看如何在sklearn庫中完成這個操做：

scikit-learn.org/stable/modu…