机器学习初学者公众号

本仓库是“机器学习初学者”公众号发布的内容代码。

机器学习qq群：659697409（我们有9个群，加过一个就不需要加了）

这个仓库的内容目录

2019年精选文章

2019

AI基础

AI_beginner

深度学习内容

• 1.PyTorch60分钟入门（中文翻译）（目录名：PyTorch_beginner）
• 2.Python深度学习原书代码中文翻译（目录名：deep-learning-with-python-notebooks）
• 3.强烈推荐的TensorFlow、Pytorch和Keras的样例资源（目录名：deep-learning-with-tensorflow-keras-pytorch）

Python基础

• 1.两天入门Python(目录名：python-start)
• 2.适合初学者快速入门的Numpy实战全集(目录名：numpy)
• 3.matplotlib学习之基本使用(目录名：matplotlib)
• 4.Sklearn入门经典案例(目录名：pyparis-2018-sklearn)
• 5.两天学会pandas(目录名：pandas)

本站的其他开源仓库

本人整理

• 1.吴恩达老师的机器学习课程个人笔记

• 2.deeplearning.ai（吴恩达老师的深度学习课程笔记及资源）

• 3.《统计学习方法的代码实现》

大神之作

• 1.徐亦达老师的机器学习资料分享
• 2.华校专老师的笔记分享
• 3.LFD习题解答（林轩田机器学习课程内容）（作者秦臻）

以下为是公众号创立以来的精选原创文章，适合初学者入门 AI。本文建议用微信收藏用碎片时间学习。（黄海广）

一、前言

AI 初学者最大的问题就是：

资料太多！看不完！！不知道如何取舍！！

我把 公众号创办以来的原创文章进行整理，文章适合本科、硕士以及刚接触机器学习的博士。

学完这些文章学完以后，就基本入门了。

入门以后，遇到问题能上网搜索解决了，也知道接下来应该学什么。

本文建议用微信收藏，利用碎片时间学习。

作者简介：

那些年做的学术公益-你不是一个人在战斗

二、学习路线

• 首发：适合初学者入门人工智能的路线及资料下载

这篇文章为初学者提供了入门的路线。包含数学基础、python 入门、机器学习、深度学习、特征工程入门等。并把代码放在了 github 仓库：

https://github.com/fengdu78/Data-Science-Notes

• 机器学习在线手册：像背托福单词一样学机器学习

这篇文章将机器学习的精华部分做成了手册，打开微信就能学习，适合平时时间少的朋友学习机器学习，可以在通勤的时候在手机上学习，建议收藏本文慢慢学习

三、基础知识

• 带你少走弯路！！黄博整理的机器学习数学基础资料来帮你（可在线阅读）

上面这篇文章是数学基础，也是以下五篇文章的整合版本，可以在线阅读，也可以根据需要分别阅读。

• 首发：吴恩达的 CS229 的数学基础（概率论），有人把它做成了在线翻译版本！
• 首发：吴恩达的 CS229 的数学基础（线性代数），有人把它做成了在线翻译版本！
• 在线阅读！！机器学习数学精华：高等数学
• 在线阅读！！机器学习数学精华：线性代数
• 在线阅读！！机器学习数学精华：概率论与数理统计

四、机器学习

原创作品为以下三个：

• 吴恩达机器学习课程笔记及资源（github 标星 12000+，提供百度云镜像）
• 《统计学习方法》的 python 代码实现（github 标星 7200+）
• 推荐：《机器学习实战：基于 Scikit-Learn 和 TensorFlow》中文翻译和代码下载

后来又制作成了在线阅读版本：

• 带你少走弯路：五篇文章学完吴恩达机器学习
• 经典复现：《统计学习方法》的代码实现（在线阅读！）

机器学习相关

• 机器学习练习数据哪里找？两行代码搞定！
• 学完可以解决 90%以上的数据分析问题-利用 python 进行数据分析第二版（代码和中文笔记）
• 特征工程的宝典-《Feature Engineering for Machine Learning》翻译及代码实现

五、深度学习

吴恩达深度学习课程笔记和资源

• 吴恩达深度学习笔记及视频等资源（github 标星 8500+，提供百度云镜像）

TensorFlow 入门：

• 带你少走弯路：强烈推荐的 TensorFlow 快速入门资料和翻译（可下载）

keras 入门：

• 带你少走弯路：强烈推荐的 Keras 快速入门资料和翻译（可下载）

Pytorch入门：

• 带你少走弯路：强烈推荐的 Pytorch 快速入门资料和翻译（可下载）

其他资料

• 首发：深度学习入门宝典-《python 深度学习》原文代码中文注释版及电子书
• 强烈推荐的 TensorFlow、Pytorch 和 Keras 的样例资源（深度学习初学者必须收藏）
• Ubuntu 18.04 深度学习环境配置（CUDA9.0+CUDDN7.4+TensorFolw1.8）

六、Python 相关

• 学习 python 入门的个人建议及资料
• Python 环境的安装（Anaconda+Jupyter notebook+Pycharm）
• Python 代码写得丑怎么办？推荐几个神器拯救你
• Numpy 练习题 100 题-提高你的数据分析技能
• Pandas 练习题-提高你的数据分析技能
• python 绘图工具基础-matplotlib 学习之基本使用
• 数据可视化的利器-Seaborn 简易入门

七、NLP

• 一些 NLP 的入门资料参考
• 推荐：常见 NLP 模型的代码实现（基于 TensorFlow 和 PyTorch）
• 图解 word2vec（原文翻译）

八、学术技巧

• 推荐几个提高工作效率的神器
• 科研工作者的神器--zotero 论文管理工具
• 分享：我是怎么在 github 上找到优秀的仓库的？

总结

本文总结了“机器学习初学者”公众号创立以来的精选原创文章，可以作为 AI 入门的宝典，让初学者少走弯路，强烈建议收藏本文！

---

本站2018年的所有文章

机器学习资源

• 良心推荐：机器学习入门资料汇总及学习建议（2018版）
• 黄海广博士的github镜像下载（机器学习及深度学习资源）
• 吴恩达老师的机器学习和深度学习课程笔记打印版
• 吴恩达老师机器学习教程中文笔记-在线版
• Coursera机器学习课程代码作业-Python版本
• Deeplearning.ai深度学习课程笔记-在线版
• 首发：深度学习测试题中英对照版
• 机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件
• 斯坦福大学机器学习课程资料-吴恩达老师主讲（2008版）
• 机器学习训练秘籍完整中文版下载（吴恩达老师新作）
• 首发：深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书
• 强烈推荐的TensorFlow、Pytorch和Keras的样例资源（深度学习初学者必须收藏）
• 机器学习小抄-（像背托福单词一样理解机器学习）
• 深度学习初学者的另一份小抄-《一天学懂深度学习（李宏毅）》（中文标注）
• 一些NLP的入门资料参考
• 革命性提升-宇宙最强的NLP预训练BERT模型（附官方代码）
• 50个最佳机器学习公共数据集

机器学习大师之作

• 首发：徐亦达老师的机器学习课件及下载（中文目录）
• 机器学习的宝典-华校专老师的笔记

开源案例和方案

• 首发：台大林轩田《机器学习基石》系列课程教材的习题解答和实现
• CTR预估系列：DeepCTR 一个基于深度学习的CTR模型包
• 开源-BDCI2018面向电信行业存量用户的智能套餐个性化匹配模型Top1解决方案和代码
• 开源-BDCI2018供应链需求预测模型第一名解决方案和代码
• 海洋大数据应用思考（附资料下载）

机器学习论文

• 新论文推荐：Auto-Keras:自动搜索深度学习模型的网络架构和超参数
• 机器学习新论文推荐-（成对关系约束的非负矩阵分解）

硬件和环境配置

• Ubuntu 18.04深度学习环境配置（CUDA9.0+CUDNN7.4+TensorFlow1.8）
• 深度学习主机环境配置: Win10+Nvidia GTX1080i+CUDA8.0+CUDDN6

Python基础

• 学习python入门的个人建议及资料
• 两天入门Python基础（附代码实现）
• 学完可以解决90%以上的数据分析问题-利用python进行数据分析第二版（代码和中文笔记）
• python绘图工具基础-matplotlib学习之基本使用
• 适合初学者快速入门的Numpy实战全集
• python进阶之多进程

科研入门

• 机器学习的数学基础
• 吐血推荐收藏的学位论文排版教程（完整版）
• 科研工作者的神器-zotero论文管理工具
• 如何做视频教程笔记
• 给初学者推荐一个摆脱变量命名纠结的神器
• SQL语法如何入门？（附资料下载）

项目合作

• 公众号合作指南--与本站互相添加长期可转载账号
• 赠人玫瑰,手有余香-期待协作更新机器学习的公益项目

过时文章

过时资料指的是新的文章已经涵盖了旧文章内容，不需要再看了。

• 机器学习简易入门-附推荐学习资料
• 机器学习初学者公众号下载资源汇总（一）
• 深度学习者的入门福利-Keras深度学习笔记
• 9月国内大数据赛事资讯-奖池1500万

杂谈

• 你不是一个人在战斗！
• 与机器学习相关的数学家，你认识几个？
• 赚的钱需要有命来花-高薪的互联网从业人员更需要注意身体健康