机器学习算法入门到精通指南


Intro

目标

  • 掌握线性回归算法
  • 掌握逻辑回归算法
  • 掌握k-means算法
  • 掌握PCA算法
  • 理解线性支持向量机/非线性支持向量机算法
  • 理解凸优化的梯度下降算法
  • 对机器学习中的术语有一定的简单认识与理解

必啃资料


Dive in

目标

  • 掌握原始梯度下降法及变种
  • 掌握一个简单的全连接神经网络的工作原理
  • 知道2010年后流行的各种机器学习算法,并基本理解其工作原理
  • 熟练使用tensorflow/torch工具

必啃资料

  • 吴恩达 / DeepLearning课程全部
  • 周志华 / 《机器学习》
  • Andrew Karpathy / 斯坦福CS231n
  • 多查阅网络上的优秀博客

Master

目标

  • 做ML领域内的一名专业玩家
  • 对各个知名算法的drawback有自己的理解与认识

Todo

  • C语言 / 不调包 / 实现常见算子
  • 大量阅读著名paper和最新的顶会优秀Paper
  • 参与知名开源项目,如Tensorflow
  • 参与专业讨论与分享

可选参考书

  • Goodfellow / 《deep learning》
  • Sutton / 《An introduction to reinforcement learning》

PhD

  • 机器学习领域内,针对某一个具体的点,提出一个创新与改进的课题。针对每个课题,完成一套科研过程。
  • 领导一个大型的ML相关项目,在该领域内制造一定的影响力。

posted @ 2020-12-03 11:07  dynmi  阅读(120)  评论(0编辑  收藏  举报