GitHub万兴的中文机器学习资源：路线图、视频、学习建议都在这里学习机器学习不再需要死记硬背英语，这里有一套超人气的优质中文资源可供选择。这套名为AILearning的GitHub资源汇集了30多位贡献者的集体智慧，整理了学习机器学习的路线图、视频、电子书、学习建议等所有中文资料。目前该资源在GitHub上有10000个Star。微博网友：好人一生平安。事不宜迟，让我们看看这里有什么。从入门到大牛，很多初学者都会遇到这样一个问题：学习机器学习应该从哪里入手？这些有经验的人说，学习路径分为三个步骤，先学习机器学习的基础知识，然后征服深度学习的基础知识，最后学习自然语言处理（NLP）。投稿人说：按照这个流程去学习，你可以成为高手。机器学习基础部分，贡献者给出的学习路线图如下：机器学习基础KNN最近邻算法决策树朴素贝叶斯逻辑回归SVM支持向量机集成法回归树回归K-Means聚类使用Apriori算法关联分析FP-growth高效发现频繁项集使用PCA简化数据使用SVD简化数据大数据和MapReduce推荐系统在以上16个学习模块中，分别有知识点介绍、常用工具、实战项目等不同类型的学习资源。的集成版本。点进去就是具体的学习资料，很方便。比如决策树模块先介绍概念和主要场景：再介绍具体的项目案例和开发流程代码：每个模块还有配套视频，放在一起效果更好：即使以后出现新的学习资源，这一套方法论也可以用。深度学习基础部分在***部分的基础上，继续扩展反向传播、CNN原理、RNN原理、LSTM四个知识点：每个知识点对应一个口碑介绍帖，文字丰富，图文并茂。NLP内容的学习路径偏向于实际应用，在文本分类、语言建模、图片字幕、机器翻译、问答系统、语音识别、自动摘要这七大领域中很少，大量相关数据集的也放在一起了：saving我已经不厌其烦的跑去找数据集了。机器学习点心库除了可以获得完整的学习路径和继续过关外，还可以找到人家机器学习资料的“单品”。有吴恩达经典口碑英语视频：入门培训等有专门的培训文章，可以选择：电子书整理后直接下载PDF使用：***，这个神奇的页面还带有贡献者自己。心路历程和学习建议。看来这个资源够你用很久了↓↓传送门GitHub地址：https://github.com/apachecn/AiLearning
