想成为机器学习工程师？这份自学指南你值得收藏.docVIP

想成为机器学习工程师？这份自学指南你值得收藏 量子位 出品 | 公众号 QbitAI这篇文章的作者为Andrey Nikishaev，他既是一个软件开发者，也是一个创业者。如何成长为一名机器学习工程师？经常有人这么问，而这篇文章就尝试回答这个问题，其中会谈到关于机器学习的方方面面，从简单的线性回归到最新的神经网络。你不仅将学习如何使用这些技术，还将学习如何从头开始构建它们。这个指南主要面向计算机视觉（CV），这也是掌握一般知识的最快方式，从CV中获取的经验可以简单地应用到机器学习的其他领域。我们将使用TensorFlow作为框架。这些课程需要你会Python，虽然不要求你是大师，但至少要懂基本的知识。（另外，都是英语授课）温馨提示，学习知识与动手实践相结合效果更佳。1. 课程1.1 约翰霍普金斯大学的实用机器学习课程总共4周，用户评分：4.4（5分制，下同）地址：/learn/practical-machine-learning#syllabus1.2 斯坦福大学的机器学习课程总共11周，用户评分：4.9。授课教师是大名鼎鼎的吴恩达。地址：/learn/machine-learning上面两节课，会教给你数据科学和机器学习的基本知识，并为下面的学习做好准备。1.3 CS231n：面向视觉识别的卷积神经网络总共16个课时，目前已更新为2017春季的最新版本。李飞飞是这节课程的导师。地址：/现在才算步入正轨。这是网上最好的机器学习与计算机视觉课程。1.4 Google讲深度学习整个课程大约耗时三个月，导师为Google首席科学家Vincent Vanhoucke，以及Google Brain的技术负责人Arpan Chakraborty。在这个课程中，将会教授深度学习的原理、设计可以从复杂的大型数据集学习的智能系统、训练和优化基本的神经网络、CNN、LSTM等。地址：/course/deep-learning--ud730选修课。你可以只看其中练习的部分。1.5 CS224d：面向自然语言处理的深度学习总共17个课时。地址：/选修课。推荐给那些需要用到NLP的同学。课程内容也很棒。1.6 深度学习电子书Leonardo Araujo dos Santos整理的深度学习电子书。地址：https://leonardoaraujosantos.gitbooks.io/artificial-inteligence/content/选看。这是一本涉及诸多机器学习领域的好书。2. 练习这部分给了一堆教程和项目的清单，你应该逐一尝试并了解它们的工作原理，以及考虑如何进行改进提升。这个列表的存在，只是为了增加你对机器学习的兴趣，所以遇到一些困难也别气馁，当你准备好就可以随时上手练习。2.1 TensorFlow上的简单练习Kadenze学院出品，总共5个课时。地址：/courses/creative-applications-of-deep-learning-with-tensorflow-iv/info2.2 Tensorflow菜谱这部分内容来自Nick McClure的电子书《TensorFlow Machine Learning Cookbook》。地址：/nfmcclure/tensorflow_cookbook2.3 Tensorflow-101教程部分这是一个用Python和Jupyter Notebook编写的教程。试图为TensorFlow初学者提供尽可能的详细解释，希望对大家有用~地址：/sjchoi86/Tensorflow-1012.4 快速风格迁移网络地址：/lengstrom/fast-style-transfer这个教程展示了如何使用神经网络，将名画的风格迁移到任何一张照片上。2.5 图像分割这是一个使用TensorFlow实现的完全卷积网络。作者Marvin Teichmann还提供了如何把这部分代码集成到你的语义分割管道中的示例。地址：/MarvinTeichmann/tensorflow-fcn2.6 使用SSD实现物体识别物体识别最快（也是最简单）的模型之一地址：/balancap/SSD-Tensorflow2.7 面向物体识别和语义分割的快速掩膜RCNN地址：/CharlesShang/FastMaskRCNN2.8 强化学习地址：/dennybritz/reinforcement-learning非常有用，特别是当你想搭建一个机器人或者下一个DotA AI时。2.9 Google大脑团队的Magenta项目地址：/tensorflow/magenta/tree/master/magenta/models这个项目旨在通过神经网络创造出色的艺术和音乐作品。2.10 深度双边学习实时图像增强地址：/g