<p align="center"> <a href="https://www.apachecn.org"> <img width="200" src="docs/img/logo.jpg"> </a> <br > <a href="https://www.apachecn.org/"><img src="https://img.shields.io/badge/%3E-HOME-green.svg"></a> <a href="https://home.apachecn.org/about/"><img src="https://img.shields.io/badge/%3E-ABOUT-green.svg"></a> <a href="mailto:apache@163.com"><img src="https://img.shields.io/badge/%3E-Email-green.svg"></a> </p> <h1 align="center"><a href="https://github.com/apachecn/AiLearning">AI learning</a></h1>

协议：CC BY-NC-SA 4.0

一种新技术一旦开始流行，你要么坐上压路机，要么成为铺路石。——Stewart Brand

• 在线阅读
• 在线阅读（v1）
• QuantLearning
• ApacheCN 中文翻译组 713436582
• ApacheCN 学习资源
• 注: 广告位合作(物美价廉)，请联系 apachecn@163.com

路线图

• 入门只看: 步骤 1 => 2 => 3，你可以当大牛！
• 中级补充 - 资料库: https://github.com/apachecn/ai-roadmap

补充

• 算法刷题: https://www.ixigua.com/pseries/6822642486343631363/
• 面试求职: https://www.ixigua.com/pseries/6822563009391493636/
• 机器学习实战: https://www.ixigua.com/pseries/6822816341615968772/
• NLP教学视频: https://www.ixigua.com/pseries/6828241431295951373/
• AI常用函数说明: https://github.com/apachecn/AiLearning/tree/master/AI常用函数说明.md

1.机器学习 - 基础

支持版本

| Version | Supported | | ------- | ------------------ | | 3.6.x | :x: | | 2.7.x | :white_check_mark: |

注意事项:

• 机器学习实战: 仅仅只是学习，请使用 python 2.7.x 版本 （3.6.x 只是修改了部分）

基本介绍

• 资料来源: Machine Learning in Action(机器学习实战-个人笔记)
• 统一数据地址: https://github.com/apachecn/data
  • 百度云打包地址: https://github.com/apachecn/data/issues/3
• 书籍下载地址: https://github.com/apachecn/data/tree/master/book
• 机器学习下载地址: https://github.com/apachecn/data/tree/master/机器学习
• 深度学习数据地址: https://github.com/apachecn/data/tree/master/深度学习
• 推荐系统数据地址: https://github.com/apachecn/data/tree/master/推荐系统
• 视频网站: 优酷 ／bilibili / Acfun / 网易云课堂，可直接在线播放。（最下方有相应链接）
• -- 推荐 红色石头: 台湾大学林轩田机器学习笔记
• -- 推荐 机器学习笔记: https://feisky.xyz/machine-learning

学习文档

| 模块 | 章节 | 类型 | 负责人(GitHub) | QQ | | --- | --- | --- | --- | --- | | 机器学习实战 | 第 1 章: 机器学习基础 | 介绍 | @毛红动 | 1306014226 | | 机器学习实战 | 第 2 章: KNN 近邻算法 | 分类 | @尤永江 | 279393323 | | 机器学习实战 | 第 3 章: 决策树 | 分类 | @景涛 | 844300439 | | 机器学习实战 | 第 4 章: 朴素贝叶斯 | 分类 | @wnma3mz<br/>@分析 | 1003324213<br/>244970749 | | 机器学习实战 | 第 5 章: Logistic回归 | 分类 | @微光同尘 | 529925688 | | 机器学习实战 | 第 6 章: SVM 支持向量机 | 分类 | @王德红 | 934969547 | | 网上组合内容 | 第 7 章: 集成方法（随机森林和 AdaBoost） | 分类 | @片刻 | 529815144 | | 机器学习实战 | 第 8 章: 回归 | 回归 | @微光同尘 | 529925688 | | 机器学习实战 | 第 9 章: 树回归 | 回归 | @微光同尘 | 529925688 | | 机器学习实战 | 第 10 章: K-Means 聚类 | 聚类 | @徐昭清 | 827106588 | | 机器学习实战 | 第 11 章: 利用 Apriori 算法进行关联分析 | 频繁项集 | @刘海飞 | 1049498972 | | 机器学习实战 | 第 12 章: FP-growth 高效发现频繁项集 | 频繁项集 | @程威 | 842725815 | | 机器学习实战 | 第 13 章: 利用 PCA 来简化数据 | 工具 | @廖立娟 | 835670618 | | 机器学习实战 | 第 14 章: 利用 SVD 来简化数据 | 工具 | @张俊皓 | 714974242 | | 机器学习实战 | 第 15 章: 大数据与 MapReduce | 工具 | @wnma3mz | 1003324213 | | Ml项目实战 | 第 16 章: 推荐系统（已迁移） | 项目 | 推荐系统（迁移后地址） | | | 第一期的总结 | 2017-04-08: 第一期的总结 | 总结 | 总结 | 529815144 |

网站视频

知乎问答-爆炸啦-机器学习该怎么入门？

当然我知道，第一句就会被吐槽，因为科班出身的人，不屑的吐了一口唾沫，说傻X，还评论 Andrew Ng 的视频。。

我还知道还有一部分人，看 Andrew Ng 的视频就是看不懂，那神秘的数学推导，那迷之微笑的英文版的教学，我何尝又不是这样走过来的？？ 我的心可能比你们都痛，因为我在网上收藏过上10部《机器学习》相关视频，外加国内本土风格的教程: 7月+小象 等等，我都很难去听懂，直到有一天，被一个百度的高级算法分析师推荐说: 《机器学习实战》还不错，通俗易懂，你去试试？？

我试了试，还好我的Python基础和调试能力还不错，基本上代码都调试过一遍，很多高大上的 "理论+推导"，在我眼中变成了几个 "加减乘除+循环"，我想这不就是像我这样的程序员想要的入门教程么？

很多程序员说机器学习 TM 太难学了，是的，真 TM 难学，我想最难的是: 没有一本像《机器学习实战》那样的作者愿意以程序员 Coding 角度去给大家讲解！！

最近几天，GitHub 涨了 300颗 star，加群的200人， 现在还在不断的增加++，我想大家可能都是感同身受吧！

很多想入门新手就是被忽悠着收藏收藏再收藏，但是最后还是什么都没有学到，也就是"资源收藏家"，也许新手要的就是 MachineLearning(机器学习) 学习路线图。没错，我可以给你们的一份，因为我们还通过视频记录下来我们的学习过程。水平当然也有限，不过对于新手入门，绝对没问题，如果你还不会，那算我输！！

视频怎么看？

1. 理论科班出身-建议去学习 Andrew Ng 的视频（Ng 的视频绝对是权威，这个毋庸置疑）
2. 编码能力强 - 建议看我们的《机器学习实战-教学版》
3. 编码能力弱 - 建议看我们的《机器学习实战-讨论版》，不过在看理论的时候，看 教学版-理论部分；讨论版的废话太多，不过在讲解代码的时候是一行一行讲解的；所以，根据自己的需求，自由的组合。

【免费】数学教学视频 - 可汗学院 入门篇

• @于振梓 推荐: 可汗学院-网易公开课

| 概率 | 统计 | 线性代数 | | - | - | - | | 可汗学院(概率) | 可汗学院(统计学)| 可汗学院(线性代数)

机器学习视频 - ApacheCN 教学版

||| | - | - | | AcFun | B站 | | <a title="AcFun（机器学习视频）" href="http://www.acfun.cn/u/12540256.aspx#page=1" target="_blank"><img width="290" src="/docs/img/ApacheCN-ML-AcFun.jpg"></a> | <a title="bilibili（机器学习视频）" href="https://space.bilibili.com/97678687/channel/collectiondetail?sid=707585" target="_blank"><img width="290" src="/docs/img/ApacheCN-ML-bilibili.jpg"></a> | | 优酷 | 网易云课堂 | | <a title="YouKu（机器学习视频）" href="http://i.youku.com/apachecn" target="_blank"><img width="290" src="/docs/img/ApacheCM-ML-youku.jpg"></a> | <a title="WangYiYunKeTang（机器学习视频）" href="http://study.163.com/course/courseMain.htm?courseId=1004582003" target="_blank"><img width="290" src="/docs/img/ApacheCM-ML-WangYiYunKeTang.png"></a> |

【免费】机器/深度学习视频 - 吴恩达

| 机器学习 | 深度学习 | | - | - | | 吴恩达机器学习 | 神经网络和深度学习 |

2.深度学习

支持版本

| Version | Supported | | ------- | ------------------ | | 3.6.x | :white_check_mark: | | 2.7.x | :x: |

入门基础

1. 反向传递: https://www.cnblogs.com/charlotte77/p/5629865.html
2. CNN原理: http://www.cnblogs.com/charlotte77/p/7759802.html
3. RNN原理: https://blog.csdn.net/qq_39422642/article/details/78676567
4. LSTM原理: https://blog.csdn.net/weixin_42111770/article/details/80900575

Pytorch - 教程

-- 待更新

TensorFlow 2.0 - 教程

-- 待更新

目录结构:

• 安装指南
• Keras 快速入门
• 实战项目 1 电影情感分类
• 实战项目 2 汽车燃油效率
• 实战项目 3 优化 过拟合和欠拟合
• 实战项目 4 古诗词自动生成

切分（分词）

词性标注

命名实体识别

句法分析

WordNet可以被看作是一个同义词词典

词干提取（stemming）与词形还原（lemmatization）

• https://www.biaodianfu.com/nltk.html/amp

TensorFlow 2.0学习网址

• https://github.com/lyhue1991/eat_tensorflow2_in_30_days

3.自然语言处理

支持版本

| Version | Supported | | ------- | ------------------ | | 3.6.x | :white_check_mark: | | 2.7.x | :x: |

学习过程中-内心复杂的变化！！！

自从学习NLP以后，才发现国内与国外的典型区别:
1. 对资源的态度是完全相反的:
  1) 国内: 就好像为了名气，举办工作装逼的会议，就是没有干货，全部都是象征性的PPT介绍，不是针对在做的各位
  2）国外: 就好像是为了推动nlp进步一样，分享者各种干货资料和具体的实现。（特别是: python自然语言处理）
2. 论文的实现: 
  1) 各种高大上的论文实现，却还是没看到一个像样的GitHub项目！（可能我的搜索能力差了点，一直没找到）
  2）国外就不举例了，我看不懂！
3. 开源的框架
  1）国外的开源框架:  tensorflow/pytorch 文档+教程+视频（官方提供）
  2) 国内的开源框架: 额额，还真举例不出来！但是牛逼吹得不比国外差！（MXNet虽然有众多国人参与开发，但不能算是国内开源框架。基于MXNet的动手学深度学习(http://zh.d2l.ai & https://discuss.gluon.ai/t/topic/753)中文教程,已经由沐神(李沐)以及阿斯顿·张讲授录制，公开发布(文档+第一季教程+视频）。)
每一次深入都要去翻墙，每一次深入都要Google，每一次看着国内的说: 哈工大、讯飞、中科大、百度、阿里多牛逼，但是资料还是得国外去找！
有时候真的挺恨的！真的有点瞧不起自己国内的技术环境！

当然谢谢国内很多博客大佬，特别是一些入门的Demo和基本概念。【深入的水平有限，没看懂】

• 【入门须知】必须了解: https://github.com/apachecn/AiLearning/tree/master/nlp
• 【入门教程】强烈推荐: PyTorch 自然语言处理: https://github.com/apachecn/NLP-with-PyTorch
• Python 自然语言处理 第二版: https://usyiyi.github.io/nlp-py-2e-zh
• 推荐一个liuhuanyong大佬整理的nlp全面知识体系: https://liuhuanyong.github.io
• 开源 - 词向量库集合:
  • https://www.cnblogs.com/Darwin2000/p/5786984.html
  • https://ai.tencent.com/ailab/nlp/embedding.html
  • https://blog.csdn.net/xiezj007/article/details/85073890
  • https://github.com/Embedding/Chinese-Word-Vectors
  • https://github.com/brightmart/nlp_chinese_corpus
  • https://github.com/codemayq/chinese_chatbot_corpus
  • https://github.com/candlewill/Dialog_Corpus

1.使用场景 （百度公开课）

第一部分 入门介绍

• 1.) 自然语言处理入门介绍

第二部分 机器翻译

• 2.) 机器翻译

第三部分 篇章分析

• 3.1.) 篇章分析-内容概述
• 3.2.) 篇章分析-内容标签
• 3.3.) 篇章分析-情感分析
• 3.4.) 篇章分析-自动摘要

第四部分 UNIT-语言理解与交互技术

• 4.) UNIT-语言理解与交互技术

应用领域

中文分词:

• 构建DAG图
• 动态规划查找，综合正反向（正向加权反向输出）求得DAG最大概率路径
• 使用了SBME语料训练了一套 HMM + Viterbi 模型，解决未登录词问题

1.文本分类（Text Classification）

文本分类是指标记句子或文档，例如电子