0-学习路线

超详细的算法学习路线

https://cuijiahua.com/blog/2020/10/life-73.html

 

主要分为 4 个部分：数学基础、编程能力、算法基础、实战。

1、数学基础

在机器学习算法中，涉及到最为重要的数学基本知识有两个：线性代数和概率论。

这两也是大学的必修课了，如果知识早已还给老师，也没关系，哪里不会学补哪里。

线性代数研究的是线性空间的性质，数据通常会被表示为欧式空间中的点，而这些点经过一系列变换后会映射到另一个空间，在新的空间中隐藏在数据中的规律才得以显现。

所以线性代数作为研究空间的一门科学，是入门机器学习的最要基础之一。

视频：推荐 MIT 的老教授 Gilbert Strang 的线性代数上课视频。

没学过线代的同学会发现这门课程，讲得清晰而且直观，深入线代的精髓，完全不是那种理论堆砌的讲法，而且老教授幽默风趣，很有人格魅力。

英文不好，也不用担心，字幕是中文的。

 

概率论是研究不确定性的一门科学，生活处处是概率。机器学习算法需要对现实情况建模，自然是少不了将概率论作为工具。

这门课入门并不难，大家可以挑一本评分还可以的书开始学习。

这里推荐陈希儒的《概率论与数理统计》，讲得很详细，如同听一个老者回忆自己的概率与统计心得，相信读者也会有所收获。

 

2、编程能力

编程语言，需要至少掌握两门， Python 和 C++。

工作中，Python 主要用于处理数据、算法调研、模型训练的工作，而 C++ 则是负责工程落地。

算法工程师，需要针对落地场景，对算法的可靠性和实时性等方面进行优化，C++ 工程能力必不可少。

Python 是一门非常友好的编程语言，不但易于入门而且功能强大，在进行机器学习算法开发的过程中会大量使用 Python。

视频：我上学看的第一个视频，就是小甲鱼 Python 课程，风趣幽默，涉及Python 语法基础、网络爬虫、Pygame 飞机大战等内容，内容很丰富。

 

C++是一种面向对象的程序设计语言，无论你是做算法，还是做开发，亦或者是做测开。C++ 都应该掌握，它是一个基础的编程语言。学会了这门编程语言，再学其它，就会更得心应手。

视频：这部分推荐慕课网的免费教程，很好的入门视频，老师讲得绘声绘色、形象生动、通熟易懂。

 

想进阶，进一步学习，直接上 LeetCode。

力扣可以从 HOT 100 或 精选算法 200 题刷起，题目相对于《剑指Offer》要增加一些难度，但每道题目都有对应的解题思路和答案。

坚持刷完 200 道，大多的面试轻松搞定，完全够用。

当然要面试谷歌级别的大佬，Hard 题是不能放过的。

刷题地址：https://leetcode-cn.com/

 

3、算法基础

恭喜大家，在做了前面这么多基础工作之后，终于可以开始入门机器学习算法了。

机器学习：

视频：推荐吴恩达老师的机器学习视频，吴恩达是整个领域的巨头之一，学术地位很高。同时，他出的视频也对新手非常友好，入门的不二之选。

下载地址（提取码：jack ）：

链接：https://pan.baidu.com/s/1OglLhzB5gWHrK_pkAWF2Sg

教材：还是那句话，光看不练是不行的。《机器学习实战》，理论结合实战，适合新手。

在线阅读地址：https://cuijiahua.com/blog/ml/

 

深度学习：

深度学习是现在的算法工程师绕不开的一个子领域，是机器学习的子集。

视频：还是推荐吴恩达老师的深度学习视频，也是对新手非常友好。

下载地址（提取码：jack ）：

链接：https://pan.baidu.com/s/1TShDS2_jioxMRhFv2253aQ

教材：说实话，深度学习，我并没有看过书，都是视频+ Github 开源项目学习的，不过被誉为深度学习领域圣经的“花书”，可以备一本。

下载地址（提取码：jack）：

链接：https://pan.baidu.com/s/1Pv3DbB2Eqp1oK0PlgTHxbA

深度学习框架：

深度学习框架有很多，Tensorflow、Pytorch、Paddle、MXNet、Caffe等。

我在工作过程中，用的最多的是 Pytorch，其次是 Tensorflow。

新手上手，推荐先学 Pytorch，可以直接看 Yunjey Choi 大佬的 Github 教程，简单入门：

项目地址：

https://github.com/yunjey/pytorch-tutorial

Pytorch 深度学习框架学习，也可以看我写的 Pytorch 深度学习实战系列教程，有垃圾分类、图像分割等结合实战的小项目。

Github 开源代码 Star 400+，fork 250+。

项目地址：

https://github.com/Jack-Cherish/Deep-Learning

我也将这个系列打包成了本地 pdf，喜欢离线看，也可以直接下载。

下载地址（提取码：jack）：

链接：https://pan.baidu.com/s/1PXkcKJa-ZJ0fWeqVduCoZA

 

4、实战

实战实战，文章反复提到了这么多次，仅仅这些还是远远不够的。

因为更多时候，你是跟着视频 or 文章的思路去实战，这缺少了独立思考的过程。

学了这么多，你并没有独立完成过一个项目，数据怎么处理，怎么分析问题，用什么算法解决问题，也没有独立思考过。

算法工程师的岗位竞争也比较激烈的，为了在茫茫人海中脱颖而出，我们需要以团队或个人的形式，独立完成一些项目，只有这样，你才能更具竞争力。

对于学生党，做项目，最简单直接的方法就是参加竞赛。

推荐两个参加竞赛的地方，一个是国外的 Kaggle，另一个是国内的阿里云天池。

两个竞赛的奖金也都很丰富，根据自己的喜好，参赛即可。

Kaggle：Kaggle: Your Machine Learning and Data Science Community

阿里天池：https://tianchi.aliyun.com/competition/gameList/activeList

既能打比赛，又能赢奖金，何乐而不为呢？

三、资料打包

本文提到的资料，我都打包了，可以直接全部打包带走

下载地址（提取码：jack）：

链接：https://pan.baidu.com/s/12tbVrUF056pY7aCyMpgl1w

PS：有能力支持正版的，资料觉得不错，可以去购买支持一波正版。

 

计算机原理：

计算机科学速成课：https://www.bilibili.com/video/av21376839

操作系统：https://www.bilibili.com/video/BV1js411b7vg

数学：

MIT老教授Gilbert Strang线性代数：https://www.bilibili.com/video/BV1at411d79w

编程语言：

Python：https://www.bilibili.com/video/BV1Fs411A7HZ

C++：https://www.imooc.com/search/?words=C%2B%2B

观看顺序是：起航篇、离港篇、封装篇、继承篇、多态篇、模板篇。

数据结构：https://www.bilibili.com/video/BV1JW411i731

剑指Offer刷题笔记：https://github.com/Jack-Cherish/LeetCode

 

算法基础：

机器学习：https://www.bilibili.com/video/BV164411b7dx

深度学习：https://www.bilibili.com/video/BV1FT4y1E74V

JackCui机器学习教程：https://github.com/Jack-Cherish/Machine-Learning

Pytorch框架：https://www.bilibili.com/video/BV1Rv411y7oE

Tensorflow框架：https://www.bilibili.com/video/BV1kW411W7pZ

原文链接：https://www.cnblogs.com/cheng020406/p/17294681.html