推荐|机器学习入门方法和资料合集
近些天在微信群里经常看小伙伴问到“机器学习如何入门,看哪些资料 ?”,于是乎想根据笔者学习两年多的学习经验,介绍下机器学习如何入门,该看哪些资料?下面我将从以下几个方面整理机器学习入门的资源:
(1)语言:机器学习中常用的语言。
(2)书籍:书中自有黄金屋,机器学习中涉及到的很多数学理论,只看视频或者博客是很难获取到完整的知识框架。
(3)视频:书中有些公式推导很难理解,可以看看大牛们深入浅出的课程。
(4)博客:经常看一些大牛们的分享,对于扩展知识面具有一定的帮助。
(5)比赛:实践是检验学习成果重要标准,参加一些算法竞赛,对于理解算法有着良好的帮助。
(6)论文:对于一些硕士来说,创新是检验学习能力重要体现。
语言
“人生苦短,我用”,目前已经成为机器学习中最主流的语言,由于其丰富的算法库。
1、numpy:最基础的库之一
地址:
2、:常用于数据处理的库
地址:
3、scipy:SciPy是一个开源的算法库和数学工具包。
地址:
4、-learn:包含众多的算法接口,从监督学习到半监督学习,再到无监督学习。还有评价指标、特征选择等。
地址:
5、-:multi-label的算法库。
地址:
还有一些深度学习的算法库,如:
6、keras:最适合入门深度学习的小伙伴的算法库。
地址:
还有一些较难的深度学习算法库,如,。
书籍
1、《统计学习方法》:李航老师的《统计学习方法》这本书堪称经典,很多同学都靠着这本书找到理想的工作,强力推荐!对于许多想入门机器学习的小伙伴们,建议多看几遍这本书,弄懂算法的每一个细节。
2、《机器学习》:周志华老师的《机器学习》这本书,很多人又称之为西瓜书,也是很有帮助的。基本涵盖机器学习的所有分支,如监督学习,无监督学习,半监督学习,强化学习,特征选择等。
3、《推荐系统实战》:项亮博士的《推荐系统实战》这本书,很适合对于想了解推荐系统的小伙伴们有一定的帮助。
4、《概率论与数理统计》:很多机器学习算法都是从统计学概率论上发展而来的,对于概率知识统计知识不足的小伙伴们,建议研读这本书。
5、《 and 》:如果有小伙伴们英文比较好,小伙伴们也可以看看PRML这本经典的书。
6、《 :An 》:如果有小伙伴想研究强化学习,这是一本不错的强化学习入门书籍。
上述资料的pdf版本已上传至网盘,如果有小伙伴感兴趣,欢迎关注"AI算法之心",后台回复"机器学习入门书籍"。
视频
如果小伙伴们对于上述书籍看起来很吃力,很难弄懂算法的来龙去脉,建议将书籍(初学者推荐:《统计学习方法》)与视频结合起来,相互促进。
1、吴恩达老师的公开课:网易云上和上都有他的讲课,很基础的版本,建议大家入门的时候多看看这个视频。个人觉得上面的课程比较简单点。
网易云上面的地址:
上面的地址:
2、李宏毅老师的课程:李宏毅老师的课程也是比较好,值得大家学习。
这里有整理好的版本:
博客
国内:
1、火光摇曳:腾讯技术大牛们的博客
地址:
2、美团技术团队的博客:里面也有很多干货:
地址:
3、苏剑林的博客里面也全是干货
地址:
4、还有一些比较大型的博客网站,如博客园,简书,CSDN,知乎等等。
国外:
1、:技术博客,很多干货。
地址:
2、 Data :主要分享些概念、idea和代码。
地址:
3、: all code is here。
比赛
学习机器学习的过程中,如何检验自己学习的成果呢?比赛就是一个比较好的方向,比赛其实可能会为了成绩,抠那千分位,百分位的差距,但是其实在比赛中思考才是最重要的。如何将这些经典的算法应用到工业中,这些算法在工业中的优缺点?慢慢体会!
国内比较大型的算法平台有:
天池大数据:
:
:
:
kesci:
Jdata:
国外比较大型的算法平台有:
:
比赛平台有很多,这几个是比较出名的平台。大家可以去官网看一看,有很多正在进行中的比赛。另外,还有很多其他的平台,这里我就不介绍了,近些天,我和我朋友也在思考这个问题,是否可以做个网站,集成这些比赛网站还有国外著名会议的学术评测比赛呢?欢迎大家在留言区一起讨论!!!顺便给我个意见!
论文
很多即将大四毕业,跨入研究生生活的师弟师妹们,也或者即将迈入研二的师弟师妹呢,是否还在为毕业发愁呢?小论文成为中国硕士毕业老难题!其实,写一篇比较简单的ccf c类的论文并不是很难,或许 ccf b ccf a类的论文确实很难!如何入门呢?看近些年机器学习、人工智能的顶级会议、期刊论文(会议论文速度更快)。这里我仅整理下会议论文。
值得看的会议文章:
1、数据挖掘类:
:顶级数据挖掘论文。
2019年:审稿中
2018年 paper:
2017年 paper:
2016年 paer:
SIGIR:顶级推荐系统论文
2019年 paper:审稿中
2018年 paper:
2017年 paper:
2016年 paper:
还有一些次顶级会议:CIKM/ECML-PKDD/ICDM/SDM/WSDM
2、机器学习类:
AAAI: 顶级人工智能综合会议
2019年 paper:
2018年 paper:
2017年 paper:
IJCAI: 顶级人工智能综合会议
2019年 paper: 审稿中
2018年 paper:
2017年 paper:
ICML :顶级机器学习会议
2019年 paper: 审稿中
2018年 paper:
2017年 paper:
NIPS:顶级综合人工智能会议
2019年 paper: 征稿中
2018年 paper:
2017年 paper:
还有一些其他的专业人工智能会议:如自然语言处理领域的 ACL/EMNLP/NAACL/。偏统计的人工智能会议:。
图像的人工智能会议:CVPR/ICCV/ECCV。小伙伴们可以看一些上述与自己相关的会议论文,针对论文的方法的不足,思考改进的方法!