本文英文出处:Robbie Allen
翻译/雷锋网(公众号:雷锋网)字幕组 吴楚
校对/ 雷锋网 田晋阳
机器学习的发展可以追溯到1959年,有着丰富的历史。这个领域也正在以前所未有的速度进化。在之前的一篇文章中,我们讨论过为什么通用人工智能领域即将要爆发。有兴趣入坑ML的小伙伴不要拖延了,时不我待!
在今年秋季开始准备博士项目的时候,我已经精选了一些有关机器学习和NLP的优质网络资源。一般我会找一个有意思的教程或者视频,再由此找到三四个,甚至更多的教程或者视频。猛回头,发现标收藏夹又多了20个资源待我学习(推荐提升效率工具Tab Bundler)。
找到超过25个有关ML的“小抄”后,我写一篇博文,里面的资源都有超链接。
为了帮助也在经历类似探索过程的童鞋,我把至今发现的最好的教程汇总了一个列表。当然这不是网络上有关ML的最全集合,而且其中有一部分内容很普通。我的目标是要找到最好的有关机器学习子方向和NLP的教程。
我引用了能简洁介绍概念的基础内容。我已经回避包含一些大部头书的章节,和对理解概念没有帮助的科研论文。那为什么不买一本书呢? 因为教程能更好地帮助你学一技之长或者打开新视野。
我把这博文分成四个部分,机器学习,NLP,Python,和数学基础。在每一小节我会随机引入一些问题。由于这方面学习材料太丰富了,本文并未涵括所有内容。
机器学习
1、机器学习就是这么好玩!(medium.com/@ageitgey)
机器学习速成课程(Berkeley的ML):
Part I:https://ml.berkeley.edu/blog/2016/11/06/tutorial-1/
Part II:https://ml.berkeley.edu/blog/2016/12/24/tutorial-2/
Part III:https://ml.berkeley.edu/blog/2017/02/04/tutorial-3/
2、Activation and Loss Functions
激活函数与损失函数
sigmoid 神经元 (neuralnetworksanddeeplearning.com)
神经网络的激活函数大全及其优劣 (stats.stackexchange.com)
损失函数L1 与L2 比较(rishy.github.io)
交叉熵损失函数(neuralnetworksanddeeplearning.com)
3、偏差(Bias)
神经网络中的偏差的作用(stackoverflow.com)
神经网络中的偏差节点(makeyourownneuralnetwork.blogspot.com)
4、感知器(Perceptron)
感知器模型(neuralnetworksanddeeplearning.com)
5、回归算法
机器学习之简单线性回归教程(machinelearningmastery.com)
机器学习之逻辑斯特回归教程(machinelearningmastery.com)
softmax 回归(ufldl.stanford.edu)
6、梯度下降
基于梯度下降的学习 (neuralnetworksanddeeplearning.com)
梯度下降优化算法概览(sebastianruder.com)
优化算法:随机梯度下降算法 (Stanford CS231n)
7、生成学习
8、支持向量机
线性分类:支持向量机,Softmax (Stanford 231n)
9、后向传播算法(Backpropagation)
后向传播算法必知(medium.com/@karpathy)
来,给我图解一下神经网络后向传播算法?(github.com/rasbt)
后向传播算法是如何运行的?(neuralnetworksanddeeplearning.com)
简易入门沿时后向传播算法(machinelearningmastery.com)
10、深度学习
深度学习,什么鬼?(machinelearningmastery.com)
什么是人工智能,机器学习,深度学习之间的区别? (nvidia.com)
11、优化算法与降维算法
Dropout: 改进神经网络的一个简单方法(Hinton @ NIPS 2012)
如何溜你们家的深度神经网络?(rishy.github.io)
12、长短期记忆(LSTM)
老司机带你简易入门长短期神经网络(machinelearningmastery.com)
小学生看完这教程都可以用Python实现一个LSTM-RNN (iamtrask.github.io)
13、卷积神经网络(CNNs)
卷积网络入门(neuralnetworksanddeeplearning.com)
深度学习与卷积神经网络模型(medium.com/@ageitgey)
14、递归神经网络(RNNs)
这么不科学的递归神经网络模型(karpathy.github.io)
15、强化学习
给小白看的强化学习及其实现指南 (analyticsvidhya.com)
深度强化学习:开挂玩Pong (karpathy.github.io)
16、对抗式生成网络模型(GANs)
用对抗式生成网络创造8个像素的艺术(medium.com/@ageitgey)
对抗式生成网络入门(TensorFlow)(aylien.com)
《对抗式生成网络》(小学一年级~上册)(oreilly.com)
17、多任务学习
深度神经网络中的多任务学习概述(sebastianruder.com)
NLP
1、NLP
《基于神经网络模型的自然语言处理》(小学一年级~上册)(Yoav Goldberg)
Natural Language Processing (almost) from Scratch (arxiv.org)
2、深度学习和 NLP
深度学习,NLP,表示学习(colah.github.io)
嵌入表示,编码,注意力,预测 : 新一代深度学习因NLP的精妙而存在(explosion.ai)
理解基于神经网络的自然语言处理(Torch实现) (nvidia.com)
深度学习在NLP中的应用(Pytorch实现) (pytorich.org)
3、词向量(Word Vectors)
学习单词嵌入表示法(sebastianruder.com)
Part I:http://sebastianruder.com/word-embeddings-1/index.html
Part II:http://sebastianruder.com/word-embeddings-softmax/index.html
Part III:http://sebastianruder.com/secret-word2vec/index.html
word2vec教程 skip-gram 模型,负采样(mccormickml.com)
4、Encoder-Decoder
注意力机制与记忆机制在深度学习与NLP中的应用(wildml.com)
基于深度学习和魔法序列的语言翻译(medium.com/@ageitgey)
如何使用编码-解码LSTM输出随机整数对应的序列(machinelearningmastery.com)
Python
1、Python
使用Python精通机器学习的七步法(kdnuggets.com)
机器学习的一个简例(nbviewer.jupyter.org)
2、实例
小白如何用python实现感知器算法(machinelearningmastery.com)
小学生用python实现一个神经网络(wildml.com)
只用11行python代码实现一个神经网络算法(iamtrask.github.io)
自己动手用ptython实现最近邻算法(kdnuggets.com)
python实现长短期记忆网络的记忆机制(machinelearningmastery.com)
如何用长短期记忆递归神经网络输出随机整数(machinelearningmastery.com)
如何用seq2seq递归神经网络学习加法运算(machinelearningmastery.com)
3、Scipy 和 numpy
Python Numpy 教程(Stanford CS231n)
Numpy 与 Scipy 入门(UCSB CHE210D)
给科学家看的Python微课程(nbviewer.jupyter.org)
4、scikit-learn
PyCon会议上的Scik-learn 教程(nbviewer.jupyter.org)
Scikit-learn 中的分类算法(github.com/mmmayo13)
Scikit-learn教程(scikit-learn.org)
简明版Scikit-learn教程(github.com/mmmayo13)
5、Tensorflow
(medium.com/@erikhallstrm)
Tensorflow实现文本分类CNN模型(wildml.com)
如何用Tensorflow做文本摘要(surmenok.com)
6、PyTorch
利用Pytorch深度学习教程(iamtrask.github.io)
Pytorch实战(github.com/jcjohnson)
PyTorch 教程(github.com/MorvanZhou)
深度学习研究人员看的PyTorch教程(github.com/yunjey)
数学
1、机器学习中的数学 (ucsc.edu)
https://people.ucsc.edu/~praman1/static/pub/math-for-ml.pdf
2、线性代数
码农眼中矩阵乘法 (betterexplained.com)
机器学习中的线性代数(U. of Buffalo CSE574)
3、概率论
机器学习中的概率论(U. of Toronto CSC411)
4、计算方法(Calculus)
如何理解导数:求导法则,指数和算法(betterexplained.com)
如何理解导数,乘法,幂指数,链式法(betterexplained.com)
向量计算,理解梯度(betterexplained.com)
为帮助对自然语言处理感兴趣的同学快速高效入门,雷锋网AI慕课学院特邀新加坡南洋理工大学博士玖强老师,为大家带来《NLP工程师入门实践班:基于深度学习的自然语言处理》,课程包含NLP三大知识模块,算法理论+案例实训,搭配典型行业应用,层层递进,直通自然语言处理的本质及其应用!
早鸟价799元倒计时3天!!
更有组团优惠,4人成团每人优惠200元,快来组团报名吧!
AI慕课学院近期推出了《NLP工程师入门实践班:基于深度学习的自然语言处理》课程!
三大模块,五大应用,海外博士讲师手把手教你入门NLP,更有丰富项目经验相授;算法+实践,搭配典型行业应用;随到随学,专业社群,讲师在线答疑!
课程地址:http://www.mooc.ai/course/427
加入AI慕课学院人工智能学习交流QQ群:624413030,与AI同行一起交流成长
相关文章:
一文看懂中美AI产业布局,美国领衔芯片、算法、NLP领域|雷报047期
雷锋网版权文章,未经授权禁止转载。详情见。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/industrynews/129308.html