何不食肉糜 | 機器學習自學指南

最近在利用業餘時間學習機器學習，期間蒐集整理了很多學習資料，多爲斯坦福/康奈爾等大學的公開課和講座，以及機器學習領域的英文原版書籍。私覺得，相比國內各大社區裏出處不明的入門教程，仍是一手的權威資料講得更加深刻和準確，因此，何不食肉糜呀！

另外，機器學習領域大牛不少，領域很廣，應用更是廣闊到難以盡數，做爲一個ML小白，這篇文章的內容也並不會多完備，不求盡善盡美，只是拋磚引玉，一塊兒交流學習。

1.計算機基礎

• python 入門：

  • Introduction to Python

• Java入門：

  • Introduction to Java

• 算法：

  • Coursera specialization

• 數據庫：

  • Stanford archived DB course
  • Using Database with Python

• 離散數學：

  • Coursera Discrete Math specialization

• 操做系統：

  • 《Modern Operating Systems》

2.數學和統計基礎

• 線性代數（Linear algebra）【必須】
• 微積分（Calculus）【必須】
• 優化（Optimization）【必須】
• 基礎統計（Statistics）【必須】
• 實分析和泛函（real analysis, functional analysis）【非必須】

3.入門

• 機器學習入門：吳恩達的這個課可能沒有人不知道了
• 《統計學習導論》：這本書裏面的編程很輕量，可是做爲直覺培養和思路練成，仍然是不錯的
  
• 深度學習入門：吳恩達的這個課用來入門深度學習也不錯
• 人工智能入門：Udacity的第一門旗艦AI課，基於斯坦福大學的一門本科生課程，會涉及一點比前幾門入門課更寬廣的概念

4.進階

• [挖掘海量數據集

](http://web.stanford.edu/class...：以前的幾個課程主要是講監督學習的，這門斯坦福的課程稍微寬廣一點，並不徹底是機器學習，可是對擴大知識面和實踐有幫助

• 高級機器學習：康奈爾大學的機器學習課程，惋惜沒有錄像，只有課件，關於實戰的部分講的仍是不錯的
• 《The Elements of Statistical Learning》：經典ESL
  
• 《Pattern Recognition and Machine Learning》：經典書
  

5.應用

• 信息提取和搜索

  • https://www.searchtechnologies.com/blog/relevancy-ranking-301
  • http://web.stanford.edu/class/cs276/
  • UIUC課程幻燈片

• 推薦系統

  • Recommender Systems: The Textbook
    

• 圖像識別

  • stanford CS231n：Andrej版的堪稱經典

• 天然語言處理

  • stanford CS224n

• 增強學習

  • 《Deep Learning (Adaptive Computation and Machine Learning series)》：經典課本
    

• 無人車

  • MIT 自動駕駛課程
  • Cruise 2017年的演講
  • 百度 Apollo
  • MIT 2019最新總結

6.框架

• Tensorflow：https://www.youtube.com/channel/UC0rqucBdTuFTjJiefW5t-IQ
• Pytorch：https://course.fast.ai/
• Caffe

7.擴展注意事項

數據量大了會面臨的問題，一些最最小白的介紹，大佬可跳過

• 分佈式系統:

  • https://hackernoon.com/a-thorough-introduction-to-distributed-systems-3b91562c9b3c
  • https://www.youtube.com/watch?v=BkSdD5VtyRM

• 系統設計

  • https://www.educative.io/collection/5668639101419520/5649050225344512?affiliate_id=5749180081373184/
  • https://www.amazon.com/Designing-Data-Intensive-Applications-Reliable-Maintainable/dp/1449373321/ref=as_li_ss_tl DDIA堪稱經典教程
    

• 分佈式OLTP和OLAP

  • https://www.youtube.com/watch?v=tcyDgOejU5g
  • https://www.youtube.com/watch?v=AoK8_QEi5U0

8.機器學習系統和平臺

• 什麼是機器學習系統?

  • https://ai.google/research/pubs/pub43146
  • https://ai.google/research/pubs/pub46555
  • Adv ML systems沒有錄像只有幻燈片
  • 《Building Intelligent Systems - A Guide to Machine Learning Engineering》
    
  • NIPS2018

• 機器學習平臺

  • Google:

    • tfx https://www.tensorflow.org/tfx/
    • KDD talk https://www.kdd.org/kdd2017/papers/view/tfx-a-tensorflow-based-production-scale-machine-learning-platform

  • Facebook:

    - FB Learner flow [https://code.fb.com/ml-applications/introducing-fblearner-flow-facebook-s-ai-backbone/](https://code.fb.com/ml-applications/introducing-fblearner-flow-facebook-s-ai-backbone/)

  • Uber:

    - Michelangelo [https://eng.uber.com/scaling-michelangelo/](https://eng.uber.com/scaling-michelangelo/)

    • 深度學習 Horovod https://eng.uber.com/horovod/

  • linkedin:

    • Pro ML https://twimlai.com/twiml-talk-200-productive-machine-learning-at-linkedin-with-bee-chung-chen/

  • Airbnb:

    • Bighead https://databricks.com/session/bighead-airbnbs-end-to-end-machine-learning-platform
    • Podcast TwimlAI https://twimlai.com/shows/

安利時間

咱們在web開發過程當中，都見過或者使用過一些奇技淫巧，這種技術咱們統稱爲黑魔法，這些黑魔法散落在各個角落，爲了方便你們查閱和學習，咱們作了收集、整理和歸類，並在github上作了一個項目——awesome-blackmargic，但願各位愛鑽研的開發者可以喜歡，也但願你們能夠把本身的獨門絕技分享出來，若是有興趣能夠給咱們發pr。

歡迎加入咱們的QQ羣（784383520），一塊兒交流學習。