机器学习相关内容

接触计算机不长不短业余的大学几年加上工做三年，编程三年多，行业本身内心有了本身的打算，在程序这一块的领域也有了本身的一点点体会，总有本身的想法。下一个三年的阶段性目标：机器学习。

机器学习的子类是深度学习，父类是人工智能。
机器学习是大数据分析方法的一个分支。隶属于大数据，大分析

机器学习的算法有不少，监督学习，无监督学习，以及推荐算法这一个特殊算法三类

目前是根据一篇博客来总体了解了一下，接下来的熟悉仍是老办法，与同行交流和读书结合，若是能在工做中用到，真的是幸运。

1.我转载了一个朋友的书单，我还没开始看。前段时间从算法入手，补充了一部分相关知识。
他的书单放在下面
（我对普通程序员的定义是：拥有大学本科知识；平时工做较忙；本身能获取的数据有限。所以，本文更像是一篇 “from the scratch” 的AI入门教程。）
书单暂时找不到了，主要涉及大在于机器学习，数据挖掘，推荐系统的一些经典书籍

云盘地址;https://pan.baidu.com/s/1bndMSer

2.学习目标，学习方针与学习计划。学习目标比较清楚，就是踏入AI领域这个门。这个目标不大，所以实现起来也较为容易。“过大的目标时就是为了你往后放弃它时找到了足够的理由”。学习方针能够总结为 “兴趣为先，践学结合”。简单说就是先培养兴趣，而后学习中把实践穿插进来，螺旋式提升。这种方式学习效果好，并且不容易让人放弃。有了学习方针之后，就能够制定学习计划，也称为学习路线。

3.实践作项目　

　　学习完了基础课程，你对机器学习就有了初步了解。如今使用它们是没有问题的，你能够把机器学习算法看成黑盒子，放进去数据，就会有结果。在实战中你更须要去关心如何获取数据，以及怎么调参等。若是有时间，本身动手作一个简单的实践项目是最好的。这里须要选择一个应用方向，是图像（计算机视觉），音频（语音识别），仍是文本（天然语言处理）。这里推荐选择图像领域，这里面的开源项目较多，入门也较简单，可使用OpenCV作开发，里面已经实现好了神经网络，SVM等机器学习算法。项目作好后，能够开源到到 Github 上面，而后不断完善它。实战项目作完后，你能够继续进一步深刻学习，这时候有两个选择，深度学习和继续机器学习；
4.深度学习

　　深度学习：深度学习是目前最火热的研究方向。有如下特色：知识更新快，较为零碎，没有系统讲解的书。所以学习的资源也相对零散，下面是一些资源介绍。其中不推荐的部分并不表明很差，而是在这个初学阶段不合适：

推荐，UFLDL： 很是好的DL基础教程，也是Andrew Ng写的。有很详尽的推导，有翻译，且翻译质量很高；
推荐，Deep learning (paper)：2015年Nature上的论文，由三位深度学习界的大牛所写，读彻底篇论文，给人高屋建瓴，一览众山小的感受，强烈推荐。若是只能读一篇论文了解深度学习，我推荐此篇。这篇论文有同名的中文翻译；
推荐，Neural networks and deep learning：这本书的做者很是擅长以浅显的语言表达深入的道理，虽然没有翻译，可是阅读并不困难；
推荐，Recurrent Neural Networks： 结合一个实际案例告诉你RNN是什么，整篇教程学完之后，会让你对RNN如何产生做用的有很清晰的认识，而这个效果，甚至是读几篇相关论文所没有的；

不推荐，Neural Networks for Machine Learning - University of Toronto | Coursera：深度学习创始人教的课，最大的问题是太难，并且老先生的吐字有时不是很标准；
不推荐，Deep Learning (book)：一样也是由深度学习大牛所写的书，但感受就像是第二做者，也就是他的学生所写的。不少内容都讲了，可是感受也没讲出什么内容来，只是告诉你来自那篇论文，这样的话可能直接阅读论文更合适。
不推荐，cs231n：李菲菲的课程，颇有名，专门讲CNN。可是这门课程有一个最大的问题，就是没有字幕，虽然有youtube的自动翻译字幕，但有还不如没有。

先这样，flag在这里就好