AILearners
1.0.0
AIMI-CNは、AI学習ルートとコースノートを推奨しています
私たちはAI学習を愛する愛好家のグループです！ここで私たちは一緒に学び、お互いを促し、一緒に見せびらかす〜
アルゴリズム、機械学習、深い学習、自然言語処理など、いくつかのAI関連のメモを更新しました。
AIMI-CN AI学習およびコミュニケーショングループ（さまざまなAI関連のリソースがあります）[1015286623] 
また、私たちの公式アカウントは、あなたが従うのを待つさまざまな有用な情報を時々プッシュします〜
WeChatの公式アカウントを検索：「AI-Ming3526」または「コンピュータービジョン」を調べて、より多くのAI方向機械学習リソースを取得します
学習機械学習の始まりに導きます〜
詳細な記事アドレス
ソースコードアドレス
「剣士の申し出」に関するニークのオンラインノートは、アルゴリズム機能を改善することを目指しています〜
詳細な記事アドレス
CSDNアドレス
機械学習への扉を開きます〜
詳細なメモアドレス
コードを使用して機械学習を体験してみましょう〜
コース詳細メモアドレス
実用的な機械学習書
ソースコードとデータセットのダウンロード
ニューラルネットワーク、CNN、RNN、およびgan〜とは何かの詳細な紹介〜
詳細なメモアドレス
最も最先端のNLP知識を一緒に学びましょう〜
CS224Nコース詳細メモ
CS224N学習材料抽出コード：E234
YouTubeビデオリンクは、中国でBilibiliで見つけることができます
実際のコードでNLPを学習します〜
詳細なメモアドレス
コードとブックのダウンロードアドレス
視聴のための前提条件：
選択、方法、永続性<br>私たちは皆、私たちに本当に適した情報を最初に選択し、次に私たちに合った方法で学ぶことを知っています。 ！ ！
いくつかの非常に素晴らしい組織によって編集された非常に強力なAI学習ルートの転載|
学習機械学習には、特定の数学的基盤が必要です。
私は私の小さな経験に基づいて学習する方法を分析します---
最初に必要なのは、2つのあきらめです。
そうです、それはただ多くの情報をあきらめるだけです！機械学習を始めたいときは、XXスクールの機械学習内部リソース、紹介から高度な100 Gリソースまでの機械学習、XX人工知能チュートリアルなど、多くの情報を収集することがよくあります。多くの場合、私たちは10または数百gの学習リソースを摂取し、それらを特定のクラウドディスクに入れてそれらを保存し、将来ゆっくりと学習するのを待っています。人々の90％が情報を収集して情報を保存するだけでなく、クラウドディスクに1年か2年残した後、学習を開くのを忘れていることを人々はほとんど知りません。クラウドディスクに横たわっている情報は、多くの場合、ほとんどの人が「将来的に勉強する」自己快適さと「自己安全な」感覚だけです。さらに、大量の学習資料に直面すると、最も直接的な感覚に陥るのは簡単です。なんてこった、私が学んだことがたくさんあります！簡単に言えば、選択する選択肢が多いほど、選択肢がないというジレンマに陥りやすくなります。
したがって、最初のステップは、大量の情報を放棄することです！代わりに、あなたに合った情報を選択して、注意深く勉強してください！
始めることといえば、多くの人が最も基本的な知識から始めるべきだと思うでしょう！機械学習は、確率理論、線形代数、凸最適化、コンピューター、神経科学などを統合する複雑なテクノロジーです。機械学習を十分に学習するために必要な多くの理論的知識があります。派生などただし、これを行うことの欠点は、時間がかかり、「スラック学習」を簡単に引き起こし、学習への熱意を払拭できることです。本と派生式を判断することは比較的退屈であるため、単純な回帰モデルを自分で構築するよりも、学習への熱意を刺激する可能性ははるかに低くなります。もちろん、基本的な知識を勉強する必要がないということではありません。基本的な理論的知識は非常に重要です！まず、最初にトップレベルのフレームワークを体系的に理解し、次に実践から理論まで、ターゲットを絞った方法で機械学習の知識ポイントにパッチを当ててパッチを当ててから、最善を尽くします。マクロからマイクロへ、全体的な詳細まで、機械学習を迅速にスタートするのに役立ちます！さらに、学習への熱意の観点から、「肯定的なフィードバック」の役割も果たしています。
さて、機械学習を始める前に2つの「あきらめ」について話した後、エントリルートを紹介します。
私は個人的に、最初に必要な数学的基礎：確率理論、マトリックス理論、微積分学。あなたがそれを持っていないかどうかは関係ありません、あなたが何をすべきかわからないかどうかを確認してください。
【無料の数学は、カーンアカデミーへのビデオ紹介を教えています
| 確率 | 統計 | 線形代数 |
|---|---|---|
| カーンアカデミー（確率） | カーンアカデミー（統計） | カーンアカデミー（線形代数） |
free無料】マシン/ディープラーニングビデオng
| 機械学習 | 深い学習 |
|---|---|
| ng機械学習 | ニューラルネットワークと深い学習 |
次に、より基本的で、NG氏よりも少し理解しやすい機械学習ビデオを録画できる国内の大物のグループをお勧めします。
機械学習の実践 - 中国のオープンソース組織
一般的なコンテンツは、本「実用的な機械学習」を学ぶことです
実用的な機械学習書
機械学習実用的なビデオ
基本的に、上記のコースを完了することは、入門書と見なされます。次に、興味と方向をターゲットにすることができます。たとえば、Stanford CS231Nコースを勉強し続けることができます。
CS231N：視覚認識のための畳み込みニューラルネットワーク
NLPに焦点を合わせると、スタンフォードCS224Nコースを学ぶことができます。
CS224N：深い学習を伴う自然言語処理
もちろん、NTU Lee Hongyiのコースも非常に優れています。
Hung-yi Lee
もちろん、これらの国内のビッグウィッグ（Bサイト）には対応するビデオがあります。
自然言語処理技術を導入する市場には多くの本があり、インターネット上には多くの学習コースやウェブサイトもあります。しかし、調査後、スタンフォードのCS224N：深い学習のための自然言語処理は、NLP愛好家の大多数によって好まれていることがわかりました。しかし、私たちが知る限り、2019年の最新のCS224Nコースに関する中国の研究ノートはありません。したがって、NLP科学研究をよりよく始めるために、私たちはあなたと学習体験を共有し、あなたと学ぶことを望んでいます。
自然言語加工（NLP）は、情報時代の最も重要な技術の1つであり、人工知能の重要な部分です。 NLPアプリケーションは、Web検索、広告、電子メール、カスタマーサービス、言語翻訳、医療レポートなど、ほとんど言語でコミュニケーションをとるため、どこにでもあります。近年、深い学習方法は、従来のタスク固有の機能エンジニアリングを必要とせずに、単一のエンドツーエンドのニューラルモデルを使用して、多くの異なるNLPタスクで非常に高いパフォーマンスを達成しています。過去と比較して、2019年のコースには2つの主な違いがあります。まず、Tensorflowの代わりにPytorchを使用し、2つ目はコースの配置が近づいています。このコースを通じて、誰もが独自のニューラルネットワークモデルを行うために必要なスキルを学び、実装し、理解します。
1. Pythonの基本的な使用法を理解します
2。基本的な計算、線形代数、および確率統計を理解します
3。機械学習を一定に理解してください
4。NLP学習に強い関心を持っています
ただし、ゼロから学習を開始する必要はありません。これにより、学習への関心が低下します。したがって、学習の過程での私たち自身の前提条件の欠点を補い続けている限り、私たちは間違いなくNLP学習の扉に入ります。
組織ロゴ：
