Github
Huggingface机器学习路线图
欢迎来到机器学习路线图。这是一份快速、高质量的路线图，旨在帮助你迅速掌握机器学习基础知识。它教授你理解机器学习工作原理和进行构建所需的先决条件和基础知识。目标是快速达到一个可以自主探索机器学习主题的水平。虽然许多其他路线图更加全面，但这份路线图是经过精心简化的。
这些资源汇集了最优秀的机器学习教育者的成果。我尽可能地链接了原作者。请支持他们。反馈/建议/纠正总是受欢迎和感激的。
如果你对机器学习的技术细节不太感兴趣，而更想了解机器学习将如何影响你作为消费者的生活，我专门写了一篇文章。你也可以查看谷歌AI基础课程，学习如何使用生成式AI来提高你的生产力。
**随着新的学习资源的创建和新的机器学习主题的出现，这份路线图将会不断更新。**让我们开始吧！
如果你想查看之前的路线图，可以在这里找到。
开始之前需要了解的事项
- **机器学习将影响每个人的生活。**这是一种新的计算范式，将彻底改变消费者对设备工作方式的期望。
- **机器学习是一个快速发展的领域。**机器学习中有许多复杂的领域。慢慢来，不要期望一下子就成为所有方面的专家。
- **理解机器学习的最佳方式是向那些了解你想知道的主题的人学习。**我创建了一个X平台上值得关注的账号列表。我还整理了一份时事通讯、博客和频道列表，我发现这些对保持最新信息很有帮助。
机器学习先决条件
这些先决条件包含数学和编程概念的混合。你可以跳过已经理解的内容。
| 主题 | 来源 | 作者 |
|---|---|---|
| 编程 | ||
| 通用编程 | CS50 | 哈佛大学 |
| Python | Python入门（适合初学者） | 哈佛大学 |
| 谷歌Python课程（复习用） | 谷歌 | |
| NumPy | NumPy教程 | 谷歌 |
| Pandas | Pandas课程 | Kaggle |
| 数学 | ||
| 代数 | 代数课程 | 可汗学院 |
| 线性代数 | 线性代数课程 | 可汗学院 |
| 概率 | CS50的不确定性部分 | 哈佛大学 |
| 微积分 | 导数/偏导数 | 可汗学院 |
| 梯度 | 可汗学院 | |
| 反向传播可视化 | 谷歌 | |
| 工具 | ||
| 版本控制 | 学习如何使用Git | 开源Git社区 |
| GitHub教程 | GitHub | |
| 终端 | 学习Shell | learnshell.org |
机器学习基础
这是主要材料。完成这些内容以理解机器学习基础：
| 主题 | 来源 | 作者 |
|---|---|---|
| 简介 | 20分钟机器学习入门 | 谷歌 |
| 基础 | 机器学习速成课程 | 谷歌 |
高级机器学习主题
探索更高级主题的高质量资源，这些对机器学习很有帮助：
| 主题 | 来源 | 作者 | 类型 |
|---|---|---|---|
| 通用高级机器学习主题 | 机器学习问答与人工智能 | Sebastian Raschka | 书籍 |
| 大型语言模型 | 大型语言模型入门 | Andrej Karpathy | 视频 |
| 开发、构建和微调大型语言模型 | Sebastian Raschka | 视频 | |
| 从头构建大型语言模型 | Sebastian Raschka | 书籍/代码库 | |
| 大型语言模型课程的量化部分 | Maxime Labonne | 课程/代码库 | |
| 大型语言模型工具 | Maxime Labonne | 课程/代码库 | |
| 大型语言模型工程 | Maxime Labonne | 课程/代码库 | |
| 大型语言模型工程师手册 | Paul Iusztin, Maxime Labonne, Alex Vesa | 书籍 | |
| 生成式人工智能 | 生成式人工智能入门 | 微软 | 课程/代码库 |
| 自然语言处理（NLP） | NLP课程 | Huggingface | 课程 |
| Transformer模型 | NLP课程开始 | Huggingface | 课程 |
| 深度学习 | 深度学习基础 | LightningAI | 课程 |
| 深度学习书籍 | Ian Goodfellow、Yoshua Bengio和Aaron Courville | 书籍 | |
| 工程师深度学习指南 | Hironobu Suzuki | 书籍 | |
| 强化学习（RL） | Spinning Up | OpenAI | 课程 |
| 计算机视觉 | 计算机视觉 | Kaggle | 课程 |
| 无监督学习 | CS229后半部分 | Andrew Ng/斯坦福 | 讲座 |
| 监督学习 | 科学领域的监督机器学习 | Christoph Molnar & Timo Freiesleben | 书籍 |
| 视频游戏机器学习 | 游戏机器学习 | Huggingface | 课程 |
| 特征工程 | 数据准备 | 谷歌 | 课程 |
| 人工智能伦理 | 人工智能伦理入门 | Kaggle | 课程 |
| 机器学习可解释性 | 机器学习可解释性 | Kaggle | 课程 |
| 机器学习运维 | Made with ML | Goku Mohandas | 课程 |
| 构建大型语言模型的虚拟课堂 | ML School | Santiago | 交互式课程 |
| Python进阶 | The Python Coding Place | Stephen Gruppetta | 网站/书籍 |
| SQL | SQL入门 | Kaggle | 课程 |
| 高级SQL | Kaggle | 课程 | |
| 机器学习面试准备 | 机器学习面试学习计划 | Khang Pham | 代码库 |
| 机器学习数学 | 机器学习的数学 | Tivadar Danka | 书籍 |
| 机器学习效率 | EfficientML.ai 讲座 | 麻省理工学院 | 课程 |
| 知识蒸馏 | 优秀知识蒸馏资源 | Dmitry Kozlov | 代码库 |
| 系统设计 | 系统设计面试 第一卷和第二卷 | Alex Xu | 图书 |
机器学习的通讯、博客和频道
以下都是必须订阅的资源：
要查看几乎所有可用的ML YouTube课程列表，请查看Dair AI的这个仓库。
用于训练的免费GPU
我整理了一份提供免费套餐用于训练机器学习模型的云服务提供商列表。任何人都可以开始学习ML - 你不需要一台功能强大的本地机器。如果有任何不正确的信息，请在X上联系我，我会进行修正。如果我遗漏了任何云计算平台，也请告诉我。
| 资源 | 详情 |
|---|---|
| 首选 | |
| Google Colab | 提供免费访问GPU（通常是NVIDIA T4或P100）和TPU，但使用时间和资源有限。非常适合小型项目和实验。 |
| Kaggle Notebooks | 每周免费提供30小时的GPU使用时间（NVIDIA Tesla P100或T4）。这是一个不错的选择，可以访问Kaggle的数据集和社区。 |
| 其他选项 | |
| Lightning AI | 提供一个免费的工作室，有22个GPU小时，之后按使用量付费。 |
| Google Cloud Platform | 为新用户提供300美元的免费积分。 |
| Amazon SageMaker | 提供免费套餐，可有限访问各种机器学习资源。 |
| Paperspace Gradient | 提供免费的社区套餐，可以有限访问GPU资源进行实验和学习。 |
支持本指南
别忘了给这个仓库加星，并在X上关注我以支持本指南。**请通过我提供的链接关注这些资源的作者来支持他们。**你也可以在我的X上的ML列表中找到他们。
如果有任何信息缺失，你是某个资源的作者并希望将其删除，或有任何其他反馈，请给我发消息告诉我。
