摘要：值得一提的是每篇文章都是我用心整理的，編者一貫堅(jiān)持使用通俗形象的語(yǔ)言給我的讀者朋友們講解機(jī)器學(xué)習(xí)深度學(xué)習(xí)的各個(gè)知識(shí)點(diǎn)。今天，紅色石頭特此將以前所有的原創(chuàng)文章整理出來(lái)，組成一個(gè)比較合理完整的機(jī)器學(xué)習(xí)深度學(xué)習(xí)的學(xué)習(xí)路線圖，希望能夠幫助到大家。

一年多來(lái)，公眾號(hào)【AI有道】已經(jīng)發(fā)布了 140+ 的原創(chuàng)文章了。內(nèi)容涉及林軒田機(jī)器學(xué)習(xí)課程筆記、吳恩達(dá) deeplearning.ai 課程筆記、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、筆試面試題、資源教程等等。值得一提的是每篇文章都是我用心整理的，編者一貫堅(jiān)持使用通俗形象的語(yǔ)言給我的讀者朋友們講解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的各個(gè)知識(shí)點(diǎn)。旨在給大家一份比較完備的學(xué)習(xí)路線和提升技巧。

今天，紅色石頭特此將以前所有的原創(chuàng)文章整理出來(lái)，組成一個(gè)比較合理、完整的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的學(xué)習(xí)路線圖，希望能夠幫助到大家。

如果有需要轉(zhuǎn)載文章的其它號(hào)主，請(qǐng)掃描底部的二維碼加AI有道微信聯(lián)系開(kāi)白！

林軒田機(jī)器學(xué)習(xí)基石筆記

【1】The Learning Problem

【2】Learning to Answer Yes/No

【3】Types of Learning

【4】Feasibility of Learning

【5】Training versus Testing

【6】Theory of Generalization

【7】The VC Dimension

【8】Noise and Error

【9】Linear Regression

【10】Logistic Regression

【11】Linear Models for Classification

【12】Nonlinear Transformation

【13】Hazard of Overfitting

【14】Regularization

【15】Validation

【16】Three Learning Principles

林軒田機(jī)器學(xué)習(xí)技法筆記

【1】Linear Support Vector Machine

【2】Dual Support Vector Machine

【3】Kernel Support Vector Machine

【4】Soft-Margin Support Vector Machine

【5】Kernel Logistic Regression

【6】Support Vector Regression

【7】Blending and Bagging

【8】Adaptive Boosting

【9】Decision Tree

【10】Random Forest

【11】Gradient Boosted Decision Tree

【12】Neural Network

【13】Deep Learning

【14】Radial Basis Function Network

【15】Matrix Factorization

【16】Finale

吳恩達(dá)深度學(xué)習(xí)專項(xiàng)課程筆記

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)：

【1】深度學(xué)習(xí)概述

【2】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)之邏輯回歸

【3】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)之Python與向量化

【4】淺層神經(jīng)網(wǎng)絡(luò)

【5】深層神經(jīng)網(wǎng)絡(luò)

優(yōu)化神經(jīng)網(wǎng)絡(luò)：

【1】深度學(xué)習(xí)的實(shí)用層面

【2】?jī)?yōu)化算法

【3】超參數(shù)調(diào)試、Batch正則化和編程框架

構(gòu)建機(jī)器學(xué)習(xí)項(xiàng)目：

【1】機(jī)器學(xué)習(xí)策略（上）

【2】機(jī)器學(xué)習(xí)策略（下）

卷積神經(jīng)網(wǎng)絡(luò)CNN：

【1】卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

【2】深度卷積模型：案例研究

【3】目標(biāo)檢測(cè)

【4】人臉識(shí)別與神經(jīng)風(fēng)格遷移

序列模型RNN：

【1】循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）

【2】NLP和Word Embeddings

【3】序列模型和注意力機(jī)制

機(jī)器學(xué)習(xí)各個(gè)擊破

【1】機(jī)器學(xué)習(xí)中的維度災(zāi)難

【2】簡(jiǎn)單的梯度下降算法，你真的懂了嗎？

【3】一看就懂的感知機(jī)算法PLA

【4】?jī)?yōu)化線性感知機(jī)算法：Pocket PLA

【5】距離產(chǎn)生美？k近鄰算法python實(shí)現(xiàn)

【6】基于線性SVM的CIFAR-10圖像集分類

【7】通俗易懂！白話樸素貝葉斯

【8】劃重點(diǎn)！十分鐘掌握牛頓法凸優(yōu)化

【9】簡(jiǎn)單的交叉熵?fù)p失函數(shù)，你真的懂了嗎？

【10】7 種回歸方法！請(qǐng)務(wù)必掌握！

【11】機(jī)器學(xué)習(xí)中 L1 和 L2 正則化的直觀解釋

【12】劃重點(diǎn)！通俗解釋協(xié)方差與相關(guān)系數(shù)

【13】如何讓奇異值分解(SVD)變得不“奇異”？

【14】一份機(jī)器學(xué)習(xí)的自白書

【15】機(jī)器學(xué)習(xí)大牛如何選擇回歸損失函數(shù)？

【16】機(jī)器學(xué)習(xí)必備的分類損失函數(shù)速查手冊(cè)

【17】【吐血整理】一份完備的集成學(xué)習(xí)手冊(cè)！

【18】今日機(jī)器學(xué)習(xí)概念：感知機(jī)模型

【19】機(jī)器學(xué)習(xí)碎碎念：霍夫丁不等式

【20】機(jī)器學(xué)習(xí)實(shí)用指南：這些基礎(chǔ)盲點(diǎn)請(qǐng)務(wù)必注意！

【21】2018 最好的機(jī)器學(xué)習(xí)實(shí)用指南書籍來(lái)了！

【22】重磅 | AI 圣經(jīng) PRML《模式識(shí)別與機(jī)器學(xué)習(xí)》官方開(kāi)源了！

【23】干貨 | 機(jī)器學(xué)習(xí)正在面臨哪些主要挑戰(zhàn)？

【24】我整理了 50 頁(yè) PPT 來(lái)解釋 SVM

【25】機(jī)器學(xué)習(xí)實(shí)戰(zhàn)指南：如何入手第一個(gè)機(jī)器學(xué)習(xí)項(xiàng)目？

【26】機(jī)器學(xué)習(xí)實(shí)用指南：如何從數(shù)據(jù)可視化中發(fā)現(xiàn)數(shù)據(jù)規(guī)律？

【27】超級(jí)實(shí)用！如何為機(jī)器學(xué)習(xí)算法準(zhǔn)備數(shù)據(jù)？

深度學(xué)習(xí)各個(gè)擊破

【1】三分鐘帶你對(duì) Softmax 劃重點(diǎn)

【2】白話生成對(duì)抗網(wǎng)絡(luò) GAN！【附源碼】

【3】6 種激活函數(shù)核心知識(shí)點(diǎn)，請(qǐng)務(wù)必掌握！

【4】吳恩達(dá)《Machine Learning Yearning》中文版新鮮出爐！

【5】Python 深度學(xué)習(xí)，你的 Keras 準(zhǔn)備好了嗎？

筆試題精選

機(jī)器學(xué)習(xí)技法：

【1】機(jī)器學(xué)習(xí)筆試題精選（一）

【2】機(jī)器學(xué)習(xí)筆試題精選（二）

【3】機(jī)器學(xué)習(xí)筆試題精選（三）

【4】機(jī)器學(xué)習(xí)筆試精選題精選（四）

【5】機(jī)器學(xué)習(xí)筆試題精選（五）

【6】機(jī)器學(xué)習(xí)筆試題精選（六）

【7】[](https://mp.weixin.qq.com/s?__...機(jī)器學(xué)習(xí)筆試題精選（七）

【8】長(zhǎng)文！機(jī)器學(xué)習(xí)筆試精選 100 題

【9】200 道算法面試題集錦！Python 實(shí)現(xiàn)，含華為、BAT 等校招真題！

資源、工具、教程

【1】Jupyter notebook入門教程（上）

【2】Jupyter notebook入門教程（下）

【3】重磅！吳恩達(dá)深度學(xué)習(xí)又開(kāi)新課啦！

【4】我的機(jī)器學(xué)習(xí)入門路線圖

【5】我的深度學(xué)習(xí)入門路線

【6】撒花！吳恩達(dá)《Machine Learning Yearning》完結(jié)！

【7】2018 NLP圣經(jīng)《自然語(yǔ)言處理綜述》最新手稿已經(jīng)發(fā)布！

【8】Git 簡(jiǎn)潔教程：本地項(xiàng)目如何與 GitHub 互連？

【9】撒花！吳恩達(dá)《Machine Learning Yearning》中文版新鮮出爐！

【10】干貨 | 談?wù)勎沂侨绾稳腴T這場(chǎng) AI 大賽的

【11】重磅 | 深度學(xué)習(xí)“四大名著”發(fā)布！愛(ài)可可推薦！

【12】致考研！談?wù)勎沂侨绾慰忌媳贝蟮?/p>

【13】8K 星！這可能是最適合你的 TensorFlow 教程

【14】火爆 GitHub 的《機(jī)器學(xué)習(xí) 100 天》，有人把它翻譯成了中文版

【15】OpenCV 機(jī)器視覺(jué)入門精選 100 題（附 Python 代碼）

【16】2019 深度學(xué)習(xí)框架大盤點(diǎn)！看 PyTorch、TensorFlow 如何強(qiáng)勢(shì)上榜？

【17】51 個(gè)深度學(xué)習(xí)目標(biāo)檢測(cè)模型匯總，論文、源碼一應(yīng)俱全！

【18】火爆 GitHub 的 16 張機(jī)器學(xué)習(xí)速查表，值得收藏！

【19】重磅 | 19 頁(yè)花書精髓筆記！你可能正需要這份知識(shí)清單

【20】這 28 張精煉圖，將吳恩達(dá)的 deeplearning.ai 總結(jié)得恰到好處！

【21】10 門必修的機(jī)器學(xué)習(xí)名校公開(kāi)課，旨在完善你的 AI 學(xué)習(xí)路線！

【22】重磅！PyTorch 中文手冊(cè)已開(kāi)源！理論、實(shí)踐、應(yīng)用都有了！

【23】3 個(gè)相見(jiàn)恨晚的 Google Colaboratory 奇技淫巧！

【24】吳恩達(dá)的 CS229，有人把它濃縮成 6 張中文速查表！

【25】10 年深度學(xué)習(xí)頂級(jí)論文和代碼精選，請(qǐng)務(wù)必收藏！

【26】6 個(gè)核心理念詮釋了吳恩達(dá)新書《Machine Learning Yearning》

【27】火爆網(wǎng)絡(luò)的《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》，有人把它翻譯成了中文版！

【28】10K+，深度學(xué)習(xí)論文、代碼最全匯總！一鍵收藏

【29】重磅！深度學(xué)習(xí)圣經(jīng)“花書”核心筆記、代碼發(fā)布

【30】深度學(xué)習(xí) 500 問(wèn)！一份火爆 GitHub 的面試手冊(cè)

【31】最新 | Python 官方中文文檔正式發(fā)布！

【32】撒花！斯坦福深度學(xué)習(xí)最新視頻發(fā)布，吳恩達(dá)主講！

【33】737 頁(yè)《吳恩達(dá)深度學(xué)習(xí)核心筆記》發(fā)布，黃海廣博士整理！

【34】撒花！《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》中文教程正式開(kāi)源！

【35】72 頁(yè) PPT，帶你梳理神經(jīng)網(wǎng)絡(luò)完整架構(gòu)（含 PyTorch 代碼）

【36】重磅！66 個(gè)機(jī)器學(xué)習(xí)硬核資源，請(qǐng)務(wù)必收藏！

AI有道的公眾號(hào)