机器学习大佬的进阶之路！一位北大硕士毕业梳理了完整的学习路线！
"機器學習、深度學習該如何入門？"
這是不少讀者朋友經常向我們問起的問題。
入門內容涉及林軒田機器學習課程筆記、吳恩達 deeplearning.ai 課程筆記、機器學習、深度學習、筆試面試題、資源教程等。
還有之前倍受推崇的機器學習入門必學課程，如林軒田《機器學習基石》、《機器學習技法》和吳恩達 deeplearning.ai 專項課程。
如何系統化學習機器學習，第一時間掌握該領域最新的學習資料呢？
我有個朋友，北大畢業的碩士：紅色石頭，將以上精煉筆記公布在了他的公眾號上：
林軒田機器學習基石筆記
【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
林軒田機器學習技法筆記
【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
吳恩達深度學習專項課程筆記
神經網絡與深度學習：
【1】深度學習概述
【2】神經網絡基礎之邏輯回歸
【3】神經網絡基礎之Python與向量化
【4】淺層神經網絡
【5】深層神經網絡
優化神經網絡：
【1】深度學習的實用層面
【2】優化算法
【3】超參數調試、Batch正則化和編程框架
構建機器學習項目：
【1】機器學習策略（上）
【2】機器學習策略（下）
卷積神經網絡CNN：
【1】卷積神經網絡基礎
【2】深度卷積模型：案例研究
【3】目標檢測
【4】人臉識別與神經風格遷移
序列模型RNN：
【1】循環神經網絡（RNN）
【2】NLP和Word Embeddings
【3】序列模型和注意力機制
機器學習各個擊破
【1】機器學習中的維度災難
【2】簡單的梯度下降算法，你真的懂了嗎？
【3】一看就懂的感知機算法PLA
【4】優化線性感知機算法：Pocket PLA
【5】距離產生美？k近鄰算法python實現
【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！十分鐘掌握牛頓法凸優化
【9】簡單的交叉熵損失函數，你真的懂了嗎？
【10】7 種回歸方法！請務必掌握！
【11】機器學習中 L1 和 L2 正則化的直觀解釋
【12】劃重點！通俗解釋協方差與相關系數
【13】如何讓奇異值分解(SVD)變得不“奇異”？
【14】一份機器學習的自白書
【15】機器學習大牛如何選擇回歸損失函數？
【16】機器學習必備的分類損失函數速查手冊
【17】【吐血整理】一份完備的集成學習手冊！
【18】今日機器學習概念：感知機模型
【19】機器學習碎碎念：霍夫丁不等式
【20】機器學習實用指南：這些基礎盲點請務必注意！
【21】2018 最好的機器學習實用指南書籍來了！
【22】重磅 | AI 圣經 PRML《模式識別與機器學習》官方開源了！
【23】干貨 | 機器學習正在面臨哪些主要挑戰？
【24】我整理了 50 頁 PPT 來解釋 SVM
【25】機器學習實戰指南：如何入手第一個機器學習項目？
【26】機器學習實用指南：如何從數據可視化中發現數據規律？
【27】超級實用！如何為機器學習算法準備數據？
深度學習各個擊破
【1】三分鐘帶你對 Softmax 劃重點
【2】白話生成對抗網絡 GAN！【附源碼】
【3】6 種激活函數核心知識點，請務必掌握！
【4】吳恩達《Machine Learning Yearning》中文版新鮮出爐！
【5】Python 深度學習，你的 Keras 準備好了嗎？
筆試題精選
機器學習技法：
【1】機器學習筆試題精選（一）
【2】機器學習筆試題精選（二）
【3】機器學習筆試題精選（三）
【4】機器學習筆試精選題精選（四）
【5】機器學習筆試題精選（五）
【6】機器學習筆試題精選（六）
【7】機器學習筆試題精選（七）
【8】長文！機器學習筆試精選 100 題
【9】200 道算法面試題集錦！Python 實現，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！吳恩達深度學習又開新課啦！
【4】我的機器學習入門路線圖
【5】我的深度學習入門路線
【6】撒花！吳恩達《Machine Learning Yearning》完結！
【7】2018 NLP圣經《自然語言處理綜述》最新手稿已經發布！
【8】Git 簡潔教程：本地項目如何與 GitHub 互連？
【9】撒花！吳恩達《Machine Learning Yearning》中文版新鮮出爐！
【10】干貨 | 談談我是如何入門這場 AI 大賽的
【11】重磅 | 深度學習“四大名著”發布！愛可可推薦！
【12】致考研！談談我是如何考上北大的
【13】8K 星！這可能是最適合你的 TensorFlow 教程
【14】火爆 GitHub 的《機器學習 100 天》，有人把它翻譯成了中文版
【15】OpenCV 機器視覺入門精選 100 題（附 Python 代碼）
【16】2019 深度學習框架大盤點！看 PyTorch、TensorFlow 如何強勢上榜？
【17】51 個深度學習目標檢測模型匯總，論文、源碼一應俱全！
【18】火爆 GitHub 的 16 張機器學習速查表，值得收藏！
【19】重磅 | 19 頁花書精髓筆記！你可能正需要這份知識清單
【20】這?28 張精煉圖，將吳恩達的 deeplearning.ai 總結得恰到好處！
【21】10 門必修的機器學習名校公開課，旨在完善你的 AI 學習路線！
【22】重磅！PyTorch 中文手冊已開源！理論、實踐、應用都有了！
【23】3 個相見恨晚的 Google Colaboratory 奇技淫巧！
【24】吳恩達的 CS229，有人把它濃縮成 6 張中文速查表！
【25】10 年深度學習頂級論文和代碼精選，請務必收藏！
【26】6 個核心理念詮釋了吳恩達新書《Machine Learning Yearning》
【27】火爆網絡的《神經網絡與深度學習》，有人把它翻譯成了中文版！
【28】10K+，深度學習論文、代碼最全匯總！一鍵收藏
【29】重磅！深度學習圣經“花書”核心筆記、代碼發布
【30】深度學習 500 問！一份火爆 GitHub 的面試手冊
【31】最新 | Python 官方中文文檔正式發布！
【32】撒花！斯坦福深度學習最新視頻發布，吳恩達主講！
【33】737 頁《吳恩達深度學習核心筆記》發布，黃海廣博士整理！
【34】撒花！《神經網絡與深度學習》中文教程正式開源！
【35】72 頁 PPT，帶你梳理神經網絡完整架構（含 PyTorch 代碼）
【36】重磅！66 個機器學習硬核資源，請務必收藏！
他的公眾號“AI有道”，里面有他自己所總結的機器學習入門經驗和精煉筆記。當中包括各種資源、課程筆記和建議，以及基于他切身學習經歷所規劃的機器學習路線。
此外，紅色石頭一直專注于普及AI干貨資源于分享，他在知乎“機器學習該怎么入門？”這一問題中作了詳細的回答，收獲了 4.3K 的贊同！知乎用戶名“紅色石頭”，粉絲高達26700多！而更詳細的內容都在他的公眾號里！
除此之外，他還寫了很多機器學習、深度學習內容文章，篇篇干貨。組成一個比較合理、完整的機器學習、深度學習的學習路線圖。
如果你正在學習或者考慮學習這些新技術，不妨關注下紅色石頭的公眾號AI有道，在后臺回復【學習路線】，即可獲得完整的機器學習學習路線。
總結
以上是生活随笔為你收集整理的机器学习大佬的进阶之路！一位北大硕士毕业梳理了完整的学习路线！的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 员外带你读论文：SeqGAN论文分享
- 下一篇： 入门GAN的补习