从 2016 年起,机器之心每年都会盘点全年的精华教程。去年就有小伙伴留言说要在 2019 年上半年把 2018 年的教程合集「啃下来」。现在都 2020 了,不知道这位朋友啃完没有?要是 flag 没倒,不妨再来一份?
与往年类似,今年的盘点分为入门解惑、优质教材及课程、语言、工具、GitHub 项目、经验分享几大板块。无论你是刚迈入 AI 领域的萌新,还是工作多年的数据分析师、炼丹师、码农,这份合集都能帮到你。
如果这些都学完了还没尽兴,可以跳到文末链接找出往年教程合集。
入门解惑
去年,教育bu公布了 35 所新增 AI 本科高校名单,为想学 AI 的同学提供了更多选择。对于这部分刚迈入 AI 领域的萌新,我们提供了一系列完备的学习路线和入门教程:
- 完备的 AI 学习路线,最详细的中英文资源整理
- 不交学费也能成为数据科学家,这里有一条免费学习路径
- 机器学习成才之路:这是一条 GitHub 高赞的学习路径
- 入门机器学习,照这个课程清单按顺序学就对了
- 18 个月自学 AI,2 年写就三万字长文,过来人教你如何掌握这几个 AI 基础概念
- 机器学习必学 10 大算法
- 机器学习基础:相似度和距离度量究竟是什么
- p 值是什么?数据科学家用最简单的方式告诉你
- Distribution is all you need:这里有 12 种做 ML 不可不知的分布
- 计算机视觉入门大全:基础概念、运行原理、应用案例详解
- NLP 技术路线详解:这是从数学到算法的艺术
- 深度强化学习入门难?这份资料手把手教会你
- 数据清洗&预处理入门完整指南
- 不要只关注算法与模型,这里有份产品级深度学习开发指南
- 没人告诉你的大规模部署 AI 高效流程!
- 用纯 NumPy 码一个 RNN、LSTM:这是最好的入门方式了
- 为什么我的 CV 模型不好用?没想到原因竟如此简单……
- 3 天上手,30 天精通!——深度学习 FPGA 加速器设计
- 预训练语言模型关系图+必读论文列表,清华荣誉出品
- 学习 GAN 模型量化评价,先从掌握 FID 开始吧
- 生成式模型入门:训练似然模型的技巧
- 如何入门 CUDA 并行计算?
- 图像配准的前世今生:从人工设计特征到深度学习
当然,在搞定 AI 之前,你必须要先搞定数学:
- 像堆乐高一样:从零开始解释神经网络的数学过程
- 刷脸背后,卷积神经网络的数学原理原来是这样的
- 1900 页数学基础:面向 CS 的线性代数、拓扑、微积分和最优化
- 人工智能中的线性代数:如何理解并更好地应用它
- 新手上路:图文解读助你理解和使用正则表达式
- 不可不知的数据科学入门数学指南
- 数学还能这么学?高中要有这个网站我早就及格了
- 浅显易懂!「高中数学」读懂梯度下降的数学原理
- 高中就开始学的正态分布,原来如此重要
接下来是一些简短而全面的教程,「一文读懂」基本概念:
- 卷积有多少种?一文读懂深度学习中的各种卷积
- 从 ReLU 到 GELU,一文概览神经网络的激活函数
- 关于图算法 & 图分析的基础知识概览
- 图论与图学习(一):图的基本概念
- 图论与图学习(二):图算法
- PageRank、最小生成树:ML 开发者应该了解的五种图算法
- 一文读懂:图卷积在基于骨架的动作识别中的应用
- HyperparameterHunter 3.0:一文教你学会自动化特征工程
相比于文字,图解教程能够帮助你更直观、快速地领会知识的精髓:
- 图解神经机器翻译中的注意力机制
- 图解人工智能,这群大学生做了个有趣的交互项目(中文版)
- 图解 NumPy,这是理解数组最形象的一份教程了
- 完全图解 GPT-2:看完这篇就够了(一)
- 完全图解 GPT-2:看完这篇就够了(二)
- 透过现象看本质,图解支持向量机
- 能「看到」的张量运算:因子图可视化
- BERT 模型超酷炫,上手又太难?请查收这份 BERT 快速入门指南!
- 包学包会,这些动图和代码让你一次读懂「自注意力」
- 手把手教你将矩阵&概率画成图
- 手把手教你将矩阵画成张量网络图
- 看得见的高斯过程:这是一份直观的入门解读
优质教材、课程
如果你去购物网站、在线课程网站直接搜索,会发现与「人工智能」相关的图书资料有上万种,课程也有数百种。在学习资料异常丰富的今天,挑出优质的教材、课程也成了一大难题。不过不用担心,在机器之心编辑部和读者的共同努力下,今年的优质参考书、课程都已经筛选好了:
开卷有益
2019 年,周志华等多位老师联合撰写的《演化学习:理论与算法进展》问世;李航老师的《统计学习方法》第二版上线;李沐老师的《动手学深度学习》有了 TF 2.0、PyTorch 版本;贝叶斯之父 Judea Pearl 的《The Book of Why》也有了中文版本……要获取这些优质教材的新动向,关注机器之心就够了:
- 十四年的 NYU 教学精华,开放书《机器学习基础》第二版可以下载啦
- 李航《统计学习方法》第二版上线,6 年耕耘增加无监督学习(新书赠送)
- 学它!李航《统计学习方法》课件,清华大学深圳研究院教授制作
- 实战入门深度学习,李沐中文新书赠送
- 全新版本,李沐《动手学深度学习》TF2.0 版本来了
- PyTorch 版《动手学深度学习》开源了,最美 DL 书遇上最赞 DL 框架
- 开放下载!复旦大学邱锡鹏教授发布教科书《神经网络与深度学习》
- 「机器学习基础与趋势」系列丛书最新成员:140 页《深度强化学习入门》发布
南大周志华、俞扬、钱超最新力作:《演化学习:理论与算法进展》正式上线
一图胜千言,这本交互式线代教科书让你分分钟理解复杂概念,佐治亚理工出品
500 页开放书搞定概率图建模,图灵奖得主 Judea Pearl 推荐
站在巨人的肩膀上
除了以上经典教材,还有些优质课程可以参考。这些课程来自麻省理工学院、斯坦福大学、多伦多大学、哥伦比亚大学等多所国内外知名高校,授课者包括 Bengio、吴恩达、李宏毅等名师:
温故而知新
教程、课程看完一遍很容易忘记,这时候就需要笔记来帮忙了。在过去的一年中,我们发现了以下几份优秀的笔记项目,可以作为学习的辅助材料。
语言
去年 11 月,地产大佬潘石屹突然宣布开始学 Python,众读者纷纷惊呼:居然不是广告?从这串长长的列表来看,你大概能够体会到 Python 有多火了,毕竟它也是最有益于保持头发浓密的语言之一。在这部分,我们列举了 Python 的官方文档、使用技巧、实用工具包等有用信息(谁帮忙 @ 一下潘总?)。
工具及技巧
古人说过,「工欲善其事,必先利其器」。工具的好坏及使用技巧与我们的学习效果息息相关。要列举 AI 学习中用到的重要工具,首先要从深度学习框架说起。
深度学习框架
2019 年,ML 框架之争中只剩两个实力玩家:PyTorch 和 TensorFlow。研究者大批涌向 PyTorch,而业界的首选仍然是 TensorFlow。因此,这部分着重筛选出这两个框架的相关教程。
1. TensorFlow
2.PyTorch
其他工具
1. 神奇的编辑器
2. 代码补全利器
3.Git
4. 笔记本
5. 其他
技巧
这里还有一些小技巧,可以帮助你解决一些「令人头秃」的问题:
GitHub 年度精选
作为全球最大的同性交友网站,GitHub 上几乎能找到你想要的一切。「我在 GitHub 上北大,他在 Pornhub 考研究生」这句话不是说说而已(忽略后半句):
同时,GitHub 上还有很多神奇项目,让我们流连忘返,唱、跳、Rap、篮球,应有尽有:
一个靠谱的数据集会让模型训练工作事半功倍,这一年里,我们分享过这些优质 GitHub 数据集:
经验分享,「深度好文」
最后,我们总结了一系列经验分享,涵盖读博、面试、职场经验等多个方面。低头赶路的时候,也要抬头看看远方。
读博那点事儿
备战春招
职业生涯回顾与行业展望
码农的自我修养
参赛、参会经验贴
往年教程盘点
过去几年的干货都在这里了,flag 是不是也该立起来了?
明年想上墙的朋友欢迎留言。