GitHub Wanxing の中国語機械学習リソース: ロードマップ、ビデオ、学習提案がすべてここにあります

[[263087]]

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

機械学習を学ぶ前に英語を詰め込む必要はもうありません。ここでは、非常に人気があり、高品質な中国語のリソースのセットから選択できます。

AI Learningと呼ばれるこのGitHubリソースセットは、30人以上の貢献者の集合知を結集し、機械学習を学習するためのロードマップ、ビデオ、電子書籍、学習提案など、すべての中国語資料を整理しています。

現在、このリソースは GitHub で 10,000 個のスターを獲得しています。Weibo のユーザーは次のように述べています。「善良な人々は平和な生活を送るでしょう。」

さっそく、中身を見てみましょう。

初心者からエキスパートまで

多くの初心者は次のような問題に遭遇します。機械学習の学習はどこから始めればよいのでしょうか?

これらの経験豊富な人々によると、学習パスは3つのステップに分かれており、最初に機械学習の基礎を学び、次にディープラーニングの基礎を習得し、最後に自然言語処理（NLP）の関連知識を学習するとのこと。投稿者のコメント: このプロセスに従って学習すれば、専門家になれます。

機械学習の基礎において、貢献者によって示された学習ロードマップは次のとおりです。

1. 機械学習の基礎
2. KNN最近傍アルゴリズム
3. 決定木
4. ナイーブベイズ
5. ロジスティック回帰
6. SVM サポートベクターマシン
7. アンサンブル法
8. 戻る
9. ツリー回帰
10. K平均法クラスタリング
11. Aprioriアルゴリズムを使用した関連性分析
12. FP-growthは頻繁に使用されるアイテムセットを効率的に発見します
13. PCAを使用してデータを簡素化する
14. SVDを使用してデータを簡素化する
15. ビッグデータとMapReduce
16. 推薦システム

上記の 16 の学習モジュールは、知識ポイントの紹介、よく使用されるツール、実践的なプロジェクトなど、さまざまな種類の学習リソースの統合バージョンです。クリックするだけで特定の学習教材を入手できるため、非常に便利です。

たとえば、意思決定ツリー モジュールでは、まず概念と主なシナリオを紹介します。

次に、具体的なプロジェクト事例と開発プロセスコードが紹介されました。

各モジュールにはサポートビデオも用意されており、一緒に視聴するとさらに効果的です。

将来、新しい学習リソースが登場したとしても、この方法論は引き続き使用できます。

ディープラーニングの基本部分は、最初の部分に基づいて、バックプロパゲーション、CNN 原理、RNN 原理、および LSTM の 4 つの知識ポイントを拡張し続けます。

各知識ポイントは、テキストと画像の両方を含む口コミ紹介投稿に対応しています。

NLP コンテンツの学習パスは実用的なアプリケーションになる傾向があり、テキスト分類、言語モデリング、画像キャプション、機械翻訳、質問応答システム、音声認識、自動要約などの分野はほとんどありません。関連するデータセットも多数提供されています。

データ セットを探し回る手間が省けます。

機械学習スナックライブラリ

レベルを継続的にクリアするための完全な学習パスを取得できるだけでなく、その中には人々の機械学習教材の「単一製品」も見つかります。

Andrew Ng による古典的な英語のビデオがあります:

選択できる入門特別トレーニングの章があります:

整理された電子書籍は、PDF を直接ダウンロードして使用できます。

***、この魔法のようなページには、寄稿者自身の個人的な経験や学習の提案も掲載されています。

このリソースは長く使用しても十分と思われます↓↓

ポータル

GitHub アドレス:

https://github.com/apachecn/AiLearning