機器學習教學資源大補帖─你想要的機器學習資源都在這裡!

你有以下的煩惱嗎?
「教練,我想打籃球……不是,我想學機器學習!」
「現在機器學習資源這麼多,可是哪個才適合我?」
「英文資源好多好複雜,看書又霧煞煞,有沒有中文的學習資源?」

根據不專業統計指出,高達 87% 的人在機器學習的路上迷路

「太多未經整理的資源,等同於沒有資源,
因為初學者根本不知道怎麼選擇」
– 魯迅沒有說過


嗨,大家今天過得好嗎,歡迎回到書卷姐姐,今天就是要來普渡眾生啦!
還在為怎麼開始你的機器學習練功之路煩惱嗎?
當別人喊著「我全都要」的時候,
你卻沒有時間,只能哭得像個小孩子一樣?

你是左邊的豹子頭,還是右邊的包龍星呢?
你是左邊的豹子頭,還是右邊的包龍星呢?

今天要來分享的就是經過書卷姐姐精挑細選提供機器學習資源啦!
下面會提供對於不論是初學者或者是已有一定基礎的開發人員,
都會有一定幫助的學習資源,同時附上書卷姐姐簡單的評論,
讓你在學習的路上不再不知所措!
(註:以下各分類中排序不分推薦先後)

基本功:Python

學機器學習不可繞開的就是最常用的 Python 了,這邊書卷姐姐推薦一個 Youtube 的教學頻道︰莫煩Python,同時也有文字版本的部份,可以搭配一同服用練習,對於初學者來說很有幫助。

如果是已經有一定基礎的讀者,找到一個好的 cheat sheet 用於參考查詢是很重要的!這邊提供了一個 github 上當前有超過 8700 顆星星的 Comprehensive Python Cheatsheet ,每當需要任何範例時,進去 Ctrl+F 搜尋一下用法就可以了,夠方便吧!(github連結在這

自我學習資源

  1. 100-Days-Of-ML-Code
    github 上將近 25000 個 star 的學習資源,按部就班一天跟著一張精美的圖,機器學習觀念和知識輕鬆入手!
    英文吸收比較慢?沒關係,這邊也有中文版
  2. 機器學習實戰
    18000 個 star 以上中文學習資源,除了觀念以外,
    也同步有提供程式碼,讓使用者可以很明確地從 Coding 的角度來學習!

線上課程教學平台

  1. TensorFlow in Practice
    在 Cousera 上 deeplearning.ai 所推出的 Tensorflow 教學課程,講師是 Google Brain 的 Laurence Moroney 。如果目標是要走深度學習的話,也可以選擇吳恩達大師的深度學習專項課程
  2. COGNITIVE CLASS.ai – Deep Learning
    IBM所推出的關於各項 data science/big data/ML/Deep Learning的課程。
    學完的話可以獲得 IBM 認證的好棒棒標章,可以讓你放到 LinkedIn 上以證明你有完成該專項課程!(到底這個 badge 有沒有用呢?書卷姐姐也很想知道,如果有完成課程的人可以留言分享經驗歐~)
  3. 林軒田教授-機器學習基石
    分為上集下集,目的在帶過所有機器學習應有的數學和演算法基礎。
    相當扎實,若有心想要深度扎根打好基礎,田神的教學是相當難得的中文資源。

線上影片類課程/公開課/其他非教學平台課程

  1. fast.ai
    目前迭代到了 v3 版本,相當知名的深度學習課程,這堂課使用了PyTorch作為開發的工具,和一般課程不同的是,它會先教你建立模型以後,再回頭告訴你為什麼這樣做。對於喜歡先有實際操作的感覺的人來說,這會是你不可或缺的一堂課程!
  2. 林軒田教授-機器學習技法
    這門課程目前僅放在 YouTube 上,和前面的基石不同,這門課開始將重點擺在各項機器學習常用的技術上。
  3. 李宏毅教授-機器學習
    會用寶可夢/涼宮春日等生活化(還是應該說是宅宅?)的範例來教授機器學習,台大電機系的知名教授,喜歡上課內容多一些舉例和相對生活化的例子的讀者會很適合看這門課程。
    (該頻道也有 GAN/強化學習 的教學影片歐!)
  4. 吳恩達教授-機器學習
    吳恩達教授總是用英文授課?沒關係,這不就有人翻成中文了嗎?
    吳恩達教授口條清晰,搭配中文字幕可以大幅度降低理解的難度!
  5. CS231n: Convolutional Neural Networks for Visual Recognition
    李飛飛教授的使用卷積神經網路(CNN)進行視覺辨識的深度學習課程。
    本堂課是相當出名的公開課,側重點會專注在調整和訓練 CNN 的實用工程技巧,是相當專項的課程,如果你的目標是在 Computer Vision 這塊,那麼這門課將會是相當具有參考價值的!
    (註:美中不足的點是,課程會提供錄影,但不會提供授課當年的錄影,例如一般人只能看到 2017 年的錄影, 2018 年的錄影要 Stanford 的學生才能觀看。)

其他列表及工具

  1. DataFlair:
    提供 380 個以上的資料科學的學習範例,適合用來查找所需的用法。
  2. 算法/深度学习/NLP面试笔记:
    作者整理了一些演算法及深度學習/ NLP 的一些題目及觀念,
    如果需要準備面試的話,是不錯的參考!
  3. EthicalML:
    提供了相當海量的各式工具,框架及機器學習平台的連結。
    缺乏工具和平台?這裡保證給你滿滿的大~平~台~!

其他其實還有很多,但書卷姐姐認為貪多嚼不爛,從上面的這些資源當中,選一個適合你的開始學習才是王道呦!

今天的分享就到這邊,
想知道更多關於機器學習及人工智慧的知識,
請不要忘記 follow 書卷姐姐的 Medium帳號

同時追蹤書卷姐姐的 Facebook專頁
可以得到更多書卷姐姐的第一手消息!

如果對書卷姐姐的產品有興趣的話,
可以來免費試用看看我們的 MLOps 產品 dong 歐!

Leave a Reply

Your email address will not be published. Required fields are marked *