本文將會介紹機器學習的方方面面，從簡單的線性回歸到最新的神經網路，你不僅僅能學會如何使用它們，並且還能從零進行構建。
以下內容以計算機視覺為導向，這是學習一般知識的最快方法，並且你從中獲得的經驗可以很容易地遷移到機器學習的其他領域。
本文我們將會使用tensorflow作為機器學習框架。
學習是乙個多維因素作用的結果，所以如果能基於學習資料，理論和實踐並重，學習效果會好很多。另外，還有乙個很好的實踐方法是參與kaggle競賽，通過競賽的形式解決實際生活中的問題，從而鞏固此前所學。
（要求：關於python，你無需達到專家級別，但要很好地掌握基礎知識）
1.1 實用機器學習（約翰霍普金斯大學）
www.coursera.org/learn/pract…
1.2 機器學習（史丹福大學）
www.coursera.org/learn/machi…
以上兩個課程會教你一些資料科學和機器學習的基礎知識，也有助於你對更有難度知識的學習和掌握。
1.3 cs231n：面向視覺識別的卷積神經網路 2017 (2016)
cs231n.stanford.edu/
該課程是網上關於ml & cv最好的課程之一，不僅能讓你了解這裡邊的水有多深，還能為你進一步的研究探索打下良好的基礎。
1.4 深度學習（udacity的課程）
1.5 cs224d：面向自然語言處理的深度學習
cs224d.stanford.edu/
1.6 深度學習相關的電子書（涵蓋了ml的方方面面）
leonardoaraujosantos.gitbooks.io/artificial-…
以下是課程和專案列表，有助於理解執行原理並找到提公升辦法。
2.1. tensorflow 相關的簡單練習課
2.3. tensorflow-101教程部分
2.4. 如何使用神經網路實現影象風格遷移。
2.5 影象分割
2.6 使用ssd實現物體識別
2.7 面向物體識別和分割的快速掩膜rcnn
2.8 強化學習，對搭建乙個機械人或者dota ai非常有用。
2.9 google brain團隊的magenta專案
2.10 深度度雙邊學習實時影象增強
groups.csail.mit.edu/graphics/hd…
2.11 自動駕駛汽車專案
學習過程中遇到困難怎麼辦？
首先，你必須明白機器學習不是100%精確的，大多數情況下只是乙個很好的猜測並且需要大量的調整迭代。因此，在大多數情況下，想出一些獨特的想法是非常困難的，因為你的時間和資源大多會花在訓練模型上。所以不要試圖獨自找出解決方案，你可以搜尋**、專案以及找可以幫助你的人。可以說，在獲得經驗方面越快越好。
為什麼**不能完全解決問題，或者在一些特定情況下為什麼**被驗證是錯的？
很遺憾的說，並不是所有的科技人員都願意公開自己的研究成果，但他們需要通過發表**來獲得收益或者名望。所以他們中的一些人只公布了一部分材料，或者給出了錯誤的公式。所以我們最好搜尋**，而不是**。**只是解決了特定問題的證據或者事實。
從**查詢最新的學習資料？
用雲計算還是台式電腦/膝上型電腦？
如何提高調超引數技能？
訓練中的主要問題是時間，你不可能一直坐在那裡盯著訓練資料，因此建議你使用grid search。只需要建立一組超引數和模型架構，乙個接乙個的執行，並儲存結果。這樣你就能晚上訓練，在接下來的一天對比結果，直至找到最有希望的那個。
你可以看看如何在sklearn庫中完成這個操作：
scikit-learn.org/stable/modu…
普通程式設計師如何入門AI
毫無疑問，人工智慧是目前整個網際網路領域最火的行業，隨著alphago戰勝世界圍棋冠軍，以及各種無人駕駛 智慧型家居專案的布道，人們已經意識到了ai就是下乙個風口。當然，程式設計師是我見過對於新技術最敏感的乙個人群，舉乙個例子 當tensorflow剛剛面世的時候，幾乎所有搞大資料的同學一見面就開始...
國外程式設計師整理的機器學習資源大全
awesome machine learning 翻譯 toolate 本文彙編了一些機器學習領域的框架 庫以及軟體 按程式語言排序 計算機視覺 通用機器學習通用機器學習自然語言處理 通用機器學習 資料分析 資料視覺化自然語言處理 通用機器學習 資料分析 資料視覺化自然語言處理 資料分析 資料視覺化...
國外程式設計師整理的機器學習資源大全
awesome machine learning 翻譯 toolate 本文彙編了一些機器學習領域的框架 庫以及軟體 按程式語言排序 計算機視覺 通用機器學習通用機器學習 自然語言處理 通用機器學習 資料分析 資料視覺化 自然語言處理 通用機器學習 資料分析 資料視覺化 自然語言處理 資料分析 資料...