"机器学习、深度学习该如何入门？"
这是不少读者朋友经常向我们问起的问题。
入门内容涉及林轩田机器学习课程笔记、吴恩达 deeplearning.ai 课程笔记、机器学习、深度学习、笔试面试题、资源教程等。
还有之前倍受推崇的机器学习入门必学课程，如林轩田《机器学习基石》、《机器学习技法》和吴恩达 deeplearning.ai 专项课程。
如何系统化学习机器学习，第一时间掌握该领域最新的学习资料呢？
我有个朋友，北大毕业的硕士：红色石头，将以上精炼笔记公布在了他的公众号上：
林轩田机器学习基石笔记
【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
林轩田机器学习技法笔记
【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
【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
吴恩达深度学习专项课程笔记
神经网络与深度学习：
【1】深度学习概述
【2】神经网络基础之逻辑回归
【3】神经网络基础之Python与向量化
【4】浅层神经网络
【5】深层神经网络
优化神经网络：
【1】深度学习的实用层面
【2】优化算法
构建机器学习项目：
【1】机器学习策略（上）
【2】机器学习策略（下）
卷积神经网络CNN：
【1】卷积神经网络基础
【2】深度卷积模型：案例研究
【3】目标检测
【4】人脸识别与神经风格迁移
序列模型RNN：
【1】循环神经网络（RNN）
【3】序列模型和注意力机制
机器学习各个击破
【1】机器学习中的维度灾难
【2】简单的梯度下降算法，你真的懂了吗？
【3】一看就懂的感知机算法PLA
【7】通俗易懂！白话朴素贝叶斯
【8】划重点！十分钟掌握牛顿法凸优化
【9】简单的交叉熵损失函数，你真的懂了吗？
【10】7 种回归方法！请务必掌握！
【11】机器学习中 L1 和 L2 正则化的直观解释
【12】划重点！通俗解释协方差与相关系数
【13】如何让奇异值分解(SVD)变得不“奇异”？
【14】一份机器学习的自白书
【15】机器学习大牛如何选择回归损失函数？
【16】机器学习必备的分类损失函数速查手册
【17】【吐血整理】一份完备的集成学习手册！
【18】今日机器学习概念：感知机模型
【19】机器学习碎碎念：霍夫丁不等式
【20】机器学习实用指南：这些基础盲点请务必注意！
【21】2018 最好的机器学习实用指南书籍来了！
【22】重磅 | AI 圣经 PRML《模式识别与机器学习》官方开源了！
【23】干货 | 机器学习正在面临哪些主要挑战？
【24】我整理了 50 页 PPT 来解释 SVM
【25】机器学习实战指南：如何入手第一个机器学习项目？
【26】机器学习实用指南：如何从数据可视化中发现数据规律？
【27】超级实用！如何为机器学习算法准备数据？
深度学习各个击破
【1】三分钟带你对 Softmax 划重点
【2】白话生成对抗网络 GAN！【附源码】
【4】吴恩达《Machine Learning Yearning》中文版新鲜出炉！
【5】Python 深度学习，你的 Keras 准备好了吗？
笔试题精选
机器学习技法：
【1】机器学习笔试题精选（一）
【2】机器学习笔试题精选（二）
【3】机器学习笔试题精选（三）
【4】机器学习笔试精选题精选（四）
【5】机器学习笔试题精选（五）
【6】机器学习笔试题精选（六）
【7】机器学习笔试题精选（七）
【8】长文！机器学习笔试精选 100 题
【9】200 道算法面试题集锦！Python 实现，含华为、BAT 等校招真题！
资源、工具、教程
【1】Jupyter notebook入门教程（上）
【2】Jupyter notebook入门教程（下）
【3】重磅！吴恩达深度学习又开新课啦！
【4】我的机器学习入门路线图
【5】我的深度学习入门路线
【6】撒花！吴恩达《Machine Learning Yearning》完结！
【7】2018 NLP圣经《自然语言处理综述》最新手稿已经发布！
【8】Git 简洁教程：本地项目如何与 GitHub 互连？
【9】撒花！吴恩达《Machine Learning Yearning》中文版新鲜出炉！
【10】干货 | 谈谈我是如何入门这场 AI 大赛的
【11】重磅 | 深度学习“四大名著”发布！爱可可推荐！
【12】致考研！谈谈我是如何考上北大的
【13】8K 星！这可能是最适合你的 TensorFlow 教程
【14】火爆 GitHub 的《机器学习 100 天》，有人把它翻译成了中文版
【15】OpenCV 机器视觉入门精选 100 题（附 Python 代码）
【16】2019 深度学习框架大盘点！看 PyTorch、TensorFlow 如何强势上榜？
【17】51 个深度学习目标检测模型汇总，论文、源码一应俱全！
【18】火爆 GitHub 的 16 张机器学习速查表，值得收藏！
【19】重磅 | 19 页花书精髓笔记！你可能正需要这份知识清单
【20】这 28 张精炼图，将吴恩达的 deeplearning.ai 总结得恰到好处！
【21】10 门必修的机器学习名校公开课，旨在完善你的 AI 学习路线！
【22】重磅！PyTorch 中文手册已开源！理论、实践、应用都有了！
【23】3 个相见恨晚的 Google Colaboratory 奇技淫巧！
【24】吴恩达的 CS229，有人把它浓缩成 6 张中文速查表！
【25】10 年深度学习顶级论文和代码精选，请务必收藏！
【26】6 个核心理念诠释了吴恩达新书《Machine Learning Yearning》
【27】火爆网络的《神经网络与深度学习》，有人把它翻译成了中文版！
【28】10K+，深度学习论文、代码最全汇总！一键收藏
【29】重磅！深度学习圣经“花书”核心笔记、代码发布
【30】深度学习 500 问！一份火爆 GitHub 的面试手册
【31】最新 | Python 官方中文文档正式发布！
【32】撒花！斯坦福深度学习最新视频发布，吴恩达主讲！
【33】737 页《吴恩达深度学习核心笔记》发布，黄海广博士整理！
【34】撒花！《神经网络与深度学习》中文教程正式开源！
【35】72 页 PPT，带你梳理神经网络完整架构（含 PyTorch 代码）
【36】重磅！66 个机器学习硬核资源，请务必收藏！
他的公众号“AI有道”，里面有他自己所总结的机器学习入门经验和精炼笔记。当中包括各种资源、课程笔记和建议，以及基于他切身学习经历所规划的机器学习路线。
此外，红色石头一直专注于普及AI干货资源于分享，他在知乎“机器学习该怎么入门？”这一问题中作了详细的回答，收获了 4.3K 的赞同！知乎用户名“红色石头”，粉丝高达26700多！而更详细的内容都在他的公众号里！
除此之外，他还写了很多机器学习、深度学习内容文章，篇篇干货。组成一个比较合理、完整的机器学习、深度学习的学习路线图。
如果你正在学习或者考虑学习这些新技术，不妨关注下红色石头的公众号AI有道，在后台回复【学习路线】，即可获得完整的机器学习学习路线。
