AiLearning:一个 GitHub万星的中文机器学习资源
“ If you want to go fast, go alone.
If you want to go far, go togeter. ”
传送门：ailearning.apachecn.org
Github：github.com/apachecn/AiLearning
这套名叫AI Learning的GitHub资源，汇集了30多名贡献者的集体智慧，把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。
很多初学者都会遇到这样的问题：入门机器学习应该从哪里学起？
贡献者表示，先学机器学习基础，然后攻克深度学习基础，最后学习自然语言处理（NLP）相关知识。“按照步骤: 1 => 2 => 3，你可以当大牛！”
在第一部分里，贡献者给出的学习路线图是这样的。
在上面16个学习模块中，是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料，非常方便。
以第2章KNN邻近算法为例，正文内容大致是这个样子的：
随后介绍了KNN项目案例，理论联系实践：
项目代码自然也是不会缺少的：
如果读不进文字，贡献者还提供了视频教程：
在第二部分深度学习基础中，扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点，并逐个附加了一篇介绍博文
第三部分则着重讲了自然语言处理（NLP）的学习路线和一些应用领域：
最后一部分Graph图计算还在更新中，目前包括了一个数据集和一本参考书目：
（还是要支持正版书籍的，纸质书的手感更好）
“ If you want to go fast, go alone. If you want to go far, go togeter. ” 传送门：ailearning.apachecn.org Github：github.com/apachecn/AiLearning 这套名叫AI Learning的GitHub资源，汇集了30多名贡献者的集体智慧，把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。 很多初学者都会遇到这样的问题：入门机器学习应该从哪里学起？ 贡献者表示，先学机器学习基础，然后攻克深度学习基础，最后学习自然语言处理（NLP）相关知识。“按照步骤: 1 => 2 => 3，你可以当大牛！” 在第一部分里，贡献者给出的学习路线图是这样的。 在上面16个学习模块中，是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料，非常方便。 以第2章KNN邻近算法为例，正文内容大致是这个样子的： 随后介绍了KNN项目案例，理论联系实践： 项目代码自然也是不会缺少的： 如果读不进文字，贡献者还提供了视频教程： 在第二部分深度学习基础中，扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点，并逐个附加了一篇介绍博文 第三部分则着重讲了自然语言处理（NLP）的学习路线和一些应用领域： 最后一部分Graph图计算还在更新中，目前包括了一个数据集和一本参考书目： （还是要支持正版书籍的，纸质书的手感更好）
上一篇：
IDEA上Java项目控制台中文乱码