机器学习免费学习路线

https://mp.weixin.qq.com/s/JGXe2CmOdTweHjRJPOgiLg

1. 斯坦福《概率与统计(Probability and Statistics)》

链接:https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics

2.MIT《线性代数(Linear Algebra)》

链接:https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/

3. 斯坦福 CS231N《用于视觉识别的卷积神经网络(Convolutional Neural Networks for Visual Recognition)》

链接:https://www.youtube.com/playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq

4.fastai《程序员深度学习实战(Practical Deep Learning for Coders)》

链接:https://course.fast.ai/

5. 斯坦福 CS224N《深度学习自然语言处理(Natural Language Processing with Deep Learning)》

链接:https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_


6.Coursera 上的斯坦福《机器学习》

链接:https://www.coursera.org/learn/machine-learning

7. 斯坦福《概率图模型专项课程(Probabilistic Graphical Models Specialization)》

链接:https://www.coursera.org/specializations/probabilistic-graphical-models

8. DeepMind《强化学习入门课程(Introduction to Reinforcement Learning)》

链接:https://www.youtube.com/watch?v=2pWv7GOvuf0&list=PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ

9. Full Stack Deep Learning《全栈深度学习训练营(Full Stack Deep Learning Bootcamp)

链接:https://fullstackdeeplearning.com/march2019

10. Coursera《如何赢得数据科学竞赛:向顶尖 Kaggler 学习(How to Win a Data Science Competition: Learn from Top Kagglers)》

链接:https://www.coursera.org/learn/competitive-data-science

原文地址:https://www.cnblogs.com/zdj8023/p/11308336.html

时间: 2024-10-31 10:02:02

机器学习免费学习路线的相关文章

机器学习2——学习路线规划

一.学习路线 1)理论基础:微积分.线性代数.概论论与数理统计.典型算法: 2)编程语言.工具和环境: 3)基本工作流程 ===================================================== 二.理论基础 ===================================================== 三.环境准备 ===================================================== 四.工作流程 ======

大数据分析与机器学习系统学习路线指导(1)

3.开始专业课程的学习,请根据自己的学习能力和基础,逐渐选择学习课程,一年完成学习即可!三个专业方向课程详解如下: 数据分析师专业方向 学习路线建议 课程名称 难易程度 基础课 大数据的统计学基础 ★ 基础课 大数据的矩阵计算基础 ★ 工具课 深度玩转Excel ★ 工具课 R语言数据分析.展现与实例 ★ 工具课 SPSS数据分析入门与提高 ★★ 工具课 数据分析与SAS ★★ 应用课 基于软件学习数据挖掘算法与案例 ★ 应用课 BI实战之cognos 篇 ★★ 应用课 量化投资 ★★ 应用课

机器学习系列1-学习资料和学习路线

该系列是学习机器学习的系列博客,主要用于记录和分享学习机器学习(和深度学习)过程中的各种知识和问题,希望能够将自己学习到的知识.方法论转化为文字,分享给更多有志于从事机器学习相关工作或学习的同学. 学习资源 目前网上关于机器学习的资源已经非常丰富,现在分享笔者学习过程中接触到的学习资源: 书籍: <机器学习>-周志华 链接:http://pan.baidu.com/s/1bo7j7SN 密码:47wi<Deep Learning>-花书 链接:http://pan.baidu.co

2018大数据学习路线从入门到精通

最近很多人问小编现在学习大数据这么多,他们都是如何学习的呢.很多初学者在萌生向大数据方向发展的想法之后,不免产生一些疑问,应该怎样入门?应该学习哪些技术?学习路线又是什么?今天小编特意为大家整理了一份大数据从入门到精通的学习路线.并且附带学习资料和视频.希望能够帮助到大家.大数据学习资料分享群:119599574 第一阶段:Linux理论 (1)Linux基础:(2)Linux-shell编程:(3)高并发:lvs负载均衡:(4)高可用&反向代理 第二阶段:Hadoop理论 (1)hadoop-

如何进入现在较火热的大数据领域,学习路线是什么?

大数据不是某个专业或一门编程语言,实际上它是一系列技术的组合运用.有人通过下方的等式给出了大数据的定义.大数据 = 编程技巧 + 数据结构和算法 + 分析能力 + 数据库技能 + 数学 + 机器学习 + NLP + OS + 密码学 + 并行编程虽然这个等式看起来很长,需要学习的东西很多,但付出和汇报是成正比的,至少和薪资是成正比的.既然要学的知识很多,那么一个正确的学习顺序就非常关键了. .在入门学习大数据的过程当中有遇见学习,行业,缺乏系统学习路线,系统学习规划,欢迎你加入我的大数据学习交流

重学计算机组成原理(二)- 制定学习路线,攀登“性能”之巅

0 学习路线的知识点概括 学习计算机组成原理,就是学习计算机是如何协调运行的 计算机组成原理的英文叫Computer Organization Organization 意"组织机构". 该组织机构能够进行各种计算.控制.读取输入,进行输出,达成各种强大的功能. 把整个计算机组成原理的知识点拆分成了四大部分 计算机的基本组成 计算机的指令和计算 处理器设计 存储器和I/O设备. 0.1 计算机的基本组成 计算机的硬件组成 这些硬件,怎么对应到经典的冯·诺依曼体系结构的 除此之外,还需要

JAVAEE学习路线分享

今天把我的教学经验分享给大家.适合大多数人的学习路线.注:目前作者已经转行做java培训. 首先是培养兴趣.先开始学习HTML知识.也就是做网页,从这里开始比较简单,就是几个标签单词需要记住. 接着开始学习CSS,这里开始不要学习非常多,只要能作出简单类似hao123之类的静态网页就已经足够.HTML+CSS总共加起来不超过10天. 学完以上,就可以作出简单网页了,开始有兴趣了,哈哈,没想到我也是互联网的一份子了. 从这里开始可以学习javascript语言,这个语言和java类似,但是没有ja

UNIX/Linux下C语言的学习路线

一.工具篇 “公欲善其事,必先利其器”.编程是一门实践性很强的工作,在你以后的学习或工作中,你将常常会与以下工具打交道, 下面列出学习C语言编程常常用到的软件和工具. 1.操作系统    在UNIX或Linux系统中学习C很方便,所以在开始您的学习旅程前请先选择一个UNIX或Linux操作系统,目前可供个人免费使用的UNIX或Linux系统有FreeBSD.RedHat Linux.SUSE Linux等,而且在安装包中还提供很多实用的工具,如:gcc, make等. 如果您一直使用Window

嵌入式工程师学习路线

参考:嵌入式工程师学习路线 关于这个方向,我认为大概分3个阶段:1.嵌入式linux上层应用,包括QT的GUI开发2.嵌入式linux系统开发3.嵌入式linux驱动开发 嵌入式目前主要面向的几个操作系统是,LINUX,WINCE.VxWorks等等Linux是开源免费的,而且其源代码是开放的,更加适合我们学习嵌入式. 所以你可以尝试以下路线:(1) C语言是所有编程语言中的强者,单片机.DSP.类似ARM的种种芯片的编程都可以用C语言搞定),因此必须非常熟练的掌握.推荐书籍:<The C Pr