ML - 参考消息（References）

01 - 10

01 - Machine learning infographic

图片解读机器学习的基本概念、五大流派与九种常见算法
EN：http://usblogs.pwc.com/emerging-technology/machine-learning-101/
CN：https://zhuanlan.zhihu.com/p/29440419

• Machine learning overview (infographic)：http://usblogs.pwc.com/emerging-technology/a-look-at-machine-learning-infographic/
• Machine learning methods (infographic)：http://usblogs.pwc.com/emerging-technology/machine-learning-methods-infographic/
• Machine learning evolution (infographic)：http://usblogs.pwc.com/emerging-technology/machine-learning-evolution-infographic/

02 - 统计与概率

• 机器学习基础之「统计篇」：https://woaielf.github.io/2017/03/20/sta-all/
• 熟悉常见概率分布：https://paul.pub/common-probability-distributions/

03 - 零基础入门深度学习

• (1)感知器: https://www.zybuluo.com/hanbingtao/note/433855
• (2)线性单元和梯度下降: https://www.zybuluo.com/hanbingtao/note/448086
• (3)神经网络和反向传播算法: https://www.zybuluo.com/hanbingtao/note/476663
• (4)卷积神经网络: https://www.zybuluo.com/hanbingtao/note/485480
• (5)循环神经网络: https://zybuluo.com/hanbingtao/note/541458
• (6)长短时记忆网络(LSTM): https://zybuluo.com/hanbingtao/note/581764
• (7)递归神经网络: https://zybuluo.com/hanbingtao/note/626300

04 - 网站与微信公众号

可作为信息搜索途径
网站

• http://redstonewill.com/
• https://www.jiqizhixin.com/
• https://www.afenxi.com/

微信公众号

• 机器之心
• AI前线
• AI有道

05 - 《神经网络与深度学习》- 复旦大学邱锡鹏

从基础到研究前沿介绍了深度学习的核心概念与理论，足够了解 DL 的前前后后。

• 在线阅读：https://nndl.github.io/
• 示例代码：https://github.com/nndl/nndl-codes
• 课程练习：https://github.com/nndl/exercise

06 - 深度学习入门十四篇

• 最通俗易懂的深度学习入门十四篇：https://yq.aliyun.com/topic/111

07 - 深入浅出TensorFlow

https://www.infoq.cn/article/TensorFlow-indepth、

• （一）：深度学习及 TensorFlow 简介
• （二）：TensorFlow 解决 MNIST 问题入门
• （三）：训练神经网络模型的常用方法
• （四）：卷积神经网络
• （五）：循环神经网络简介
• （六）：TensorFlow 高层封装
• （七）：TensorFlow 计算加速

08 - Google机器学习术语表

本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。

• https://developers.google.com/machine-learning/glossary/
• PDF文件：下载

09 - 阿里云机器学习PAI

阿里巴巴机器学习系列课程：https://yq.aliyun.com/articles/181384

10 - ApacheCN

• HomePage：http://www.apachecn.org/
• GitHub：https://github.com/apachecn
• ApacheCN - AI learning：https://github.com/apachecn/AiLearning
• ApacheCN - Kaggle 项目实战（教程）：https://github.com/apachecn/kaggle
• ApacheCN - 台湾大学林轩田机器学习笔记：https://github.com/apachecn/ntu-hsuantienlin-ml
• ApacheCN - Python数据分析与挖掘实战：https://github.com/apachecn/python_data_analysis_and_mining_action

11 - 20

11 - 斯坦福课程

CS229: Machine Learning

• http://cs229.stanford.edu/

CS231n: Convolutional Neural Networks for Visual Recognition

• http://vision.stanford.edu/teaching/cs231n/index.html
• 面向视觉识别的卷积神经网络。
• 官方课程安排及资源获取：http://vision.stanford.edu/teaching/cs231n/syllabus.html
• 网易云课堂（中文字幕）：https://study.163.com/course/introduction/1003223001.htm

CS224d: Deep Learning for Natural Language Processing

• http://cs224d.stanford.edu/

12 - Udacity的深度学习课程

• https://eu.udacity.com/course/deep-learning--ud730
• 关于神经网络的机器学习高级课程，对图片和文字模型进行了广泛的介绍。

13 - 官方信息：Sklearn

• Sklearn：https://scikit-learn.org/
• Sklearn - Installation：https://scikit-learn.org/stable/install.html
• Sklearn - Documentation：https://scikit-learn.org/stable/documentation.html
• Sklearn - Quick Start：https://scikit-learn.org/stable/tutorial/basic/tutorial.html
• Sklearn - Examples：https://scikit-learn.org/stable/auto_examples/
• Sklearn - Tutorials：https://scikit-learn.org/stable/tutorial/index.html
• Sklearn - Tutorials Exercises：https://scikit-learn.org/stable/auto_examples/#tutorial-exercises

14 - 官方信息：TensorFlow

• TensorFlow：https://www.tensorflow.org/
• TensorFlow - CN：https://tensorflow.google.cn/
• TensorFlow - Installation：https://www.tensorflow.org/install
• TensorFlow - Tutorials：https://www.tensorflow.org/tutorials
• TensorFlow - Tutorials Keras：https://www.tensorflow.org/tutorials/keras
• TensorFlow - Guide：https://www.tensorflow.org/guide/
• TensorFlow - Guide Keras：https://www.tensorflow.org/guide/keras
• TensorFlow - API：https://www.tensorflow.org/api_docs/
• TensorFlow - API Keras：https://www.tensorflow.org/api_docs/python/tf/keras
• TensorFlow - Roadmap：https://www.tensorflow.org/community/roadmap

15 - 官方信息：Keras

• Keras - Documentation：https://keras.io/
• Keras - Documentation - zh：https://keras.io/zh/
• Keras - Blog：https://blog.keras.io/
• Keras - Installation：https://keras.io/#installation
• Keras - GitHub：https://github.com/keras-team/keras/
• Keras - GitHub-Examples：https://github.com/keras-team/keras/tree/master/examples
• Keras - GitHub-Applications：https://github.com/keras-team/keras/tree/master/keras/applications
• Keras - GitHub-FAQ：https://github.com/keras-team/keras/blob/master/docs/templates/getting-started/faq.md

16 - Basic Practices on PyTorch

• 课程：https://mlelarge.github.io/dataflowr-web/cea_edf_inria.html
• 代码：https://github.com/mlelarge/dataflowr

教学目标是学习者能够了解：

• 何时何地应该使用深度学习
• 深度学习的工作原理
• 深度学习前沿研究

第1天

• （PPT）课程简介；
• （代码）示例 1：在 Colab 上创建 模型参加 Kaggle 猫狗识别竞赛；
• （代码）用 Autograd 做回归：PyTorch 简介。

第2天

• （PPT）线性/logistic 回归、分类和 Pytorch 模块；
• （代码）理解卷积，创建首个数字识别神经网络；
• （PPT）嵌入和数据加载器（DataLoader）；
• （代码）协作过滤算法：矩阵因子分解和推荐系统；
• （PPT）变分自编码器；
• （代码）自编码器和变分自编码器。

第3天

• （PPT）用于真实世界场景的深度学习；
• （代码）Softmax 温度、混合密度网络、通过反向传播的贝叶斯；
• （PPT）生成对抗网络；
• （代码）条件 GAN 和 InfoGAN。

第4天

• 循环神经网络：PPT 及相关代码；
• （代码）char-RNN 的 PyTorch 教程；
• （代码）Word2vec；
• （代码）试玩词嵌入；
• 了解结构化自注意句子嵌入的论文和代码，从而掌握 Glove NLP 小项目。

第5天

• （PPT）打开 AI 黑箱；
• （代码）类激活图（CAM）；
• （代码）对抗样本；
• 图神经网络。

17 - 基于MovieLens数据集的电影推荐

nbviewer

• https://nbviewer.jupyter.org/github/chengstone/movie_recommender/
• https://nbviewer.jupyter.org/github/ChenJiaDong9219/movieRecommendation/

豆瓣电影

• https://zhuanlan.zhihu.com/p/32037625
• https://zhuanlan.zhihu.com/p/25616633
• https://zhuanlan.zhihu.com/p/34483548