机器学习保罗万象,在学习这门技术时,最好可以有一些速查手册之类的东西在手边,它们列出了需要了解的关键点。Robbie Allen整理了20多个与机器学习相关的速查资料,并分享出来,或许也可以帮助其他学习这门技术的人。
机器学习领域正发生着日新月异的变化,这些资料总有一天会过时,不过至少在目前看来,它们仍然十分有用。如果不想一个接一个地下载这些资料,可以从这里打包下载所有的资料。
机器学习
下面是机器学习算法的一些图表,非常有用。
- 神经网络架构:www.asimovinstitute.org/neural-netw…
- 微软Azure算法图表:docs.microsoft.com/en-us/azure…
- SAS算法图表:blogs.sas.com/content/sub…
- 算法总结:machinelearningmastery.com/a-tour-of-m…
thinkbigdata.in/best-known-… - 算法的优劣对比:blog.dataiku.com/machine-lea…
Python
网络上有很多Python相关的学习课程,下面列出最好的部分资料。
- 算法:www.analyticsvidhya.com/blog/2015/0…
- Python基础:datasciencefree.com/python.pdf
www.datacamp.com/community/t… - Numpy:www.dataquest.io/blog/numpy-…
datasciencefree.com/numpy.pdf
www.datacamp.com/community/b…
github.com/donnemartin… - Pandas:datasciencefree.com/pandas.pdf
www.datacamp.com/community/b…
github.com/donnemartin… - Matplotlib:www.datacamp.com/community/b…
github.com/donnemartin… - Scikit Learn:www.datacamp.com/community/b…
peekaboo-vision.blogspot.de/2013/01/mac…
github.com/rcompton/ml… - TensorFlow:github.com/aymericdami…
- PyTorch:github.com/bfortuner/p…
数学
如果要学习机器学习,需要了解统计学、线性代数和微积分。以下的资料可以帮助你很好地了解机器学习背后的数学。
- 概率学:www.wzchen.com/s/probabili…
- 线性代数:minireference.com/static/tuto…
- 统计学:web.mit.edu/~csvoss/Pub…
- 微积分:tutorial.math.lamar.edu/getfile.asp…
感谢陈思对本文的审校。
给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ,@丁晓昀),微信(微信号: InfoQChina)关注我们。