机器学习算法入门到精通指南

Intro

目标

• 掌握线性回归算法
• 掌握逻辑回归算法
• 掌握k-means算法
• 掌握PCA算法
• 理解线性支持向量机/非线性支持向量机算法
• 理解凸优化的梯度下降算法
• 对机器学习中的术语有一定的简单认识与理解

必啃资料

• 谷歌机器学习入门课程：https://developers.google.cn/machine-learning/crash-course/ml-intro?hl=zh-cn
• 无监督学习算法总结：https://www.cnblogs.com/dynmi/p/11619698.html
• 支持向量机：https://monkeylearn.com/blog/introduction-to-support-vector-machines-svm/
• 逻辑回归：https://github.com/Dynmi/Logistic_Regression_with_C
• 吴恩达 / DeepLearning课程第一部分--深度学习入门

Dive in

目标

• 掌握原始梯度下降法及变种
• 掌握一个简单的全连接神经网络的工作原理
• 知道2010年后流行的各种机器学习算法，并基本理解其工作原理
• 熟练使用tensorflow/torch工具

必啃资料

• 吴恩达 / DeepLearning课程全部
• 周志华 / 《机器学习》
• Andrew Karpathy / 斯坦福CS231n
• 多查阅网络上的优秀博客

Master

目标

• 做ML领域内的一名专业玩家
• 对各个知名算法的drawback有自己的理解与认识

Todo

• C语言 / 不调包 / 实现常见算子
• 大量阅读著名paper和最新的顶会优秀Paper
• 参与知名开源项目，如Tensorflow
• 参与专业讨论与分享

可选参考书

• Goodfellow / 《deep learning》
• Sutton / 《An introduction to reinforcement learning》

PhD

• 机器学习领域内，针对某一个具体的点，提出一个创新与改进的课题。针对每个课题，完成一套科研过程。
• 领导一个大型的ML相关项目，在该领域内制造一定的影响力。