开始学机器学习 2024 - 免费成为专家!
一份全面的指南,让您在 2024 年开始并提高机器学习(ML)和人工智能(AI),无需任何背景知识,并跟上最新的新闻和前沿技术!
这本指南适合没有或只有少量编程、数学和机器学习背景的任何人。没有特定的顺序可以遵循,但经典路径是从上到下。如果您不喜欢看书,可以跳过;如果您不想参加在线课程,也可以跳过。没有单一的方法成为机器学习专家,只要有动力,您绝对可以实现这一目标。
此处列出的所有资源都是免费的,除了一些在线课程和书籍,这些书籍和课程经过推荐能更好地帮助理解,但要成为专家无需它们,只要多花点时间在网上阅读、观看视频和实践。当涉及到付费课程时,本指南中的链接是附属链接。如果您想跟随课程,请使用这些链接来支持我。谢谢,祝您学习愉快!记住,一切都取决于您自己,并不是必要的。我觉得这对我有用,可能对其他人也有用。
不要害怕重复观看视频或从多个来源学习。重复是成功学习的关键!
维护者:louisfb01,活跃于 YouTube 和 播客 上,如果你想了解更多关于AI的信息!您还可以在 我的个人通讯 了解更多,每周两次!订阅并获取清晰解说的AI新闻和更新!
如果有任何好的资源,可以随时发邮件给我添加到这个库中,邮箱: bouchard.lf@gmail.com
在 Twitter 上标记我@Whats_AI 或 LinkedIn 上@Louis Bouchard 如果您分享了该列表!
想知道这份指南的内容吗?观看这个视频:
👀 如果你想支持我的工作,可以考虑 赞助 本资源库或在 Patreon 支持我。
目录
- 从短的 YouTube 视频介绍开始
- 在 YouTube 上免费参加在线课程
- 阅读文章
- 阅读书籍
- 没有数学背景的机器学习?看看这个!
- 没有编码背景,不用担心
- 参加在线课程
- 实践、实践、再实践!
- 想构建语言模型/应用程序?看看这个!(现在有大语言模型!)
- 更多资源(社区、备忘单、新闻等!)
- 如何找到机器学习工作
- AI 伦理
从短的 YouTube 视频介绍开始
从短的 YouTube 视频介绍开始
在我看来,这是从零开始最好的方法。这里列出了一些我找到的最好的视频,可以给你一个很好的入门介绍,了解你需要知道的术语。
-
最常用术语介绍
- 一分钟学基础 - Louis Bouchard - YouTube 播放列表
-
了解神经网络
- 神经网络解密 - Welch Labs - YouTube 播放列表
- 学习神经网络 - 3Blue1Brown - YouTube 播放列表
- 机器学习数学 - Weights & Biases - YouTube 播放列表
- 神经网络和反向传播:构建 micrograd - Andrej Karpathy 的 YouTube 视频
-
了解变压器和大语言模型(如 ChatGPT 背后的模型)!
- Luis Serrano, "自然语言处理和大语言模型" - 关于注意力机制、标记和嵌入的精彩视频介绍,更好地理解 GPT 等大语言模型背后的一切!
- Louis Bouchard 的大语言模型免费课程视频 "在生产中训练和微调 LLM 课程"。 "我们的 LLM 课程播放列表:生成 AI 360:基础模型认证!"
另一个 开始学习和保持学习的简单方法是在空闲时间听播客。去工作开车、坐公车或难以入睡时?听一些 AI 播客,习惯术语和模式,通过启发性的故事了解这个领域!我建议你关注一些我个人喜欢的播客,如 Lex Fridman、Machine Learning Street Talk、Latent Space Podcast,当然还有我的播客:Louis Bouchard Podcast,在这里你将了解行业内才华横溢的人物,分享他们辛苦积累的知识。
在 YouTube 上免费参加在线课程
在 YouTube 上免费参加在线课程
这里是一些在 YouTube 上可用的绝对免费的优秀课程清单,你绝对应该跟随。
-
机器学习介绍 - YouTube 播放列表(斯坦福大学)
-
深度学习介绍 - YouTube 播放列表(MIT)
-
深度学习专业化 - YouTube 播放列表(Deeplearning.ai)
-
深度学习(使用 PyTorch) - 纽约大学,Yann LeCun
-
MIT 深度学习 - Lex Fridman's 最新深度学习课程
阅读文章
阅读许多文章
这里是一些绝对免费的在线优秀文章清单,你绝对应该阅读。 Medium 是找到优秀解释的最佳地方,无论是在 Towards AI 还是 Towards Data Science 出版物上。我也在那里分享我的文章并喜欢使用该平台。如果您感兴趣,可以使用我的附属链接 这里 订阅 Medium,同时支持我!
- 在 2022 年开始 AI — 零基础成为专家,免费! - Louis Bouchard
- 五个适合初学者的步骤,用Python学习机器学习和数据科学 - Daniel Bourke
- 什么是机器学习? - Roberto Iriondo
- 机器学习入门:神经网络简介 - Victor Zhou
- 新手指南:神经网络 - Thomas Davis
- 理解神经网络 - Prince Canuma
- 新的 MILA 学生阅读清单 - 匿名
- 80/20 AI 阅读清单 - Vishal Maini
阅读书籍
阅读一些书籍
这里有一些适合喜欢阅读途径的人的优秀书籍。
- 为生产构建大语言模型:通过提示、微调和检索增强生成提高大语言模型的能力和可靠性 - by Towards AI. "探索适应大语言模型到实际应用的关键技术堆栈,包括提示工程、微调和检索增强生成。"
- 深度学习书 - 免费在线
- 深入学习 - 免费在线
- 概率机器学习:简介 - 免费在线
- 人工智能:现代方法 - 可选(付费)
- 模式识别和机器学习 - 可选(付费)
- Python 深度学习 - 可选(付费)
- 理解机器学习:从理论到算法 - Shai Shalev-Shwartz 和 Shai Ben-David - 免费在线
为构建数学背景而提供的优秀书籍:
完整的微积分背景:
- 微积分:概念与背景 - 可选(付费)
- 单变量微积分:概念与背景 - 可选(付费)
- 多变量微积分:概念与背景 - 可选(付费)
这些书籍是完全可选的,但它们将为你提供更好的理论理解,甚至教你一些关于编码神经网络的内容!
没有数学背景的机器学习?看看这个!
没有数学背景的机器学习?看看这个!
不要紧张,就像生活中的大多数事情一样,你可以学会数学!这里有一些适合初学者和高级的优秀资源来学习机器学习数学。我建议从这些机器学习中的三个重要概念开始(这里有3个Khan Academy上提供的绝妙免费课程):
这里有一些很棒的免费书籍和视频,可能会帮助你以更“结构化的方式”学习:
- mathematicalmonk - YouTube
- 机器学习数学 - Garrett Thomas
- 统计学习简介:含R应用 - Gareth James, Daniela Witten, Trevor Hastie 和 Robert Tibshirani
如果你仍然缺乏数学自信,请查看上文中的 阅读书籍 部分,我在其中分享了许多优秀的书籍来建立坚实的数学基础。 你现在有了很好的机器学习数学基础,可以进一步深入学习了!
没有编程背景,不用担心
没有编程背景,不用担心
这里列出了一些很棒的课程,可以学习机器学习中的编程部分。
- Python 实用机器学习教程 - 免费的YouTube Python入门教程
- 学习Python - 免费的互动教程,学习Python
- 学习数据分析的Python基础 - OpenClassrooms上的免费课程
- 数据科学入门:Python和R语言 - 免费
- Python机器学习 | Coursera - IBM - 付费,可选
- 数据科学Python简介 - 在这个数据科学Python课程中,学生将在16周的学习计划中学习Python的核心概念,并将其应用于数据科学 (付费,可选)。
- 100道Numpy练习题 - 收集到的Numpy练习,来源于Numpy邮件列表、Stack Overflow和Numpy文档。
- Shell教程 - 学习使用Unix shell!开发者和AI从业者必学。
查看 Louis Bouchard播客,获取更多AI内容,包括与该领域专家的访谈!我们将邀请AI专家并共同探讨与AI相关的特定主题、子领域和角色,以分享和传播专家们辛勤积累的知识。
在线课程
(可选) 通过一些在线课程来更好地理解和获得更多的指导练习
如果您更喜欢有明确步骤的指导性学习,这些课程是最好的选择。
- 深度学习 - Yann LeCun - 该课程涉及深度学习和表征学习的最新技术 - 免费
- 机器学习入门 - Kaggle - 学习机器学习的核心理念,并构建您的第一个模型 - 免费
- AI入门/AI适合所有人 - Andrew Ng - 付费,可选
- 机器学习 - Andrew Ng - Stanford - 付费,可选
- Python AI编程 - 完整纳米学位 - 付费,可选
- 深度学习专精 - Andrew Ng - 付费,可选
- TensorFlow (专业证书) - 付费,可选
- AI工程 - IBM (专业证书) - 付费,可选
- 2022数据科学Bootcamp - 付费,可选
- 机器学习 - 无需编程 - 付费,可选
- 数据科学培训及行业经验 - 完整的16周教练指导培训课程,包含实践经验 (付费,可选)。
- 教练指导的数据科学在线Bootcamp - 完整的16周教练指导学习计划 (付费,可选)。
- fast.ai深度学习课程 - 免费
- CS50 - 哈佛大学人工智能与Python (以及机器学习) 入门课程 - 免费(也适合教师使用!)
- 深度学习课程 - François Fleuret - 这是一个深入介绍深度学习的课程,使用PyTorch框架示例。课程有一些 先修要求。
针对特定应用:
- Udacity 的AI交易纳米学位 - 付费
- 学习深度强化学习 - Udacity纳米学位 - 付费
- 通过Coursera 的自然语言处理专业化课程成为NLP专家 - 付费 "进入NLP领域。通过四个动手课程掌握前沿的NLP技术!"
将您的模型在线展示给世界:
- Gradio课程 - 为机器学习模型创建用户界面 - freeCodeCamp - 免费
- 如何将机器学习模型部署到Google云 - Daniel Bourke - 免费
- 机器学习DevOps工程师 - Udacity 纳米学位 - 付费
- AWS机器学习工程师 - Udacity 纳米学位 - 付费
练习,练习,再练习!
练习是关键
编程中最重要的事情是练习。这同样适用于机器学习。找到一个个人项目来进行练习可能很困难。
幸运的是,Kaggle 的存在。这网站充满了免费的课程、教程和比赛。您可以免费参加比赛,下载他们的数据,阅读他们的问题,马上开始编程和测试!您甚至可以通过赢得比赛获得奖金,这是简历上非常加分的经历。这也许是获得经验的最佳方式,同时还能学到很多东西,甚至赚到钱!另一个伟大的项目机会是参加一些为特定应用而设计的课程,比如 Udacity 的AI交易课程。
您还可以为Kaggle比赛创建团队,并与他人一起学习!我建议您加入一个社区以找到团队并与他人一起学习,这总比独自一人好。查看下一节内容获取相关信息。
想要构建语言模型/应用?快来看看 (现在有LLMs!)!
我收到很多人希望专注于自然语言处理(NLP,处理语言的模型)的请求,甚至希望学习专门用于NLP任务的机器学习。这部分内容专门满足这些需求。祝您NLP学习愉快!
- 掌握2022年NLP的完整路线图
- 通过Coursera 的自然语言处理专业化课程成为NLP专家 - 付费 "进入NLP领域。通过四个动手课程掌握前沿的NLP技术!"
- NLP纳米学位! — 付费 "学习最先进的自然语言处理技术,处理语音并分析文本。构建概率和深度学习模型,如隐马尔可夫模型和循环神经网络,以使计算机完成语音识别、机器翻译等任务!"
- NLTK书籍是学习NLP基本理论的免费资源: https://www.nltk.org/book/
- 想快速构建一个文本分类模型或词向量模型,fasttext 是一个很好的库,可以快速训练模型。
- Huggingface 是获取现代NLP模型的最佳平台,他们还提供了一个完整的课程。
- SpaCy 非常适合生产环境中的NLP,因为它可以完成NLU、NER,并且可以训练分类等任务。还能够在管道中添加定制步骤或模型。
- 提示工程! 提示工程是一项新的技能,如果您想构建与NLP相关的应用,这是您应该掌握的技能。这是一个很棒的教程,我正在贡献,旨在教会提示工程并提供特定模型的提示技巧。
训练、微调并使用大语言模型!
- 生产环境中的LangChain和矢量数据库 - 我们与Towards AI在Acticloop及Intel Disruptor Initiative的合作下创建的了不起的免费资源,用于学习生产环境中的LangChain及矢量数据库。"无论您是经验丰富的开发者还是AI领域的新手,亦或是机器学习爱好者,这个课程都适合您。我们的目标是使AI更实用,使您在工作中处理日常任务的方法和整体影响力得以转变。"
- 生产环境中的LLM训练和微调 - 我们与Towards AI在Acticloop及Intel Disruptor Initiative的合作下创建的了不起的免费资源,用于学习生产环境中的LLM训练和微调。"如果你想学习如何从头开始训练和微调LLMs,并且具有中级的Python知识以及一定的计算资源(在某些情况下,仅需Google Colab就足够!),那么你完全可以参加并完成这门课程。该课程旨在面向广泛人群,包括AI初学者、现有的机器学习工程师、学生以及考虑转行到AI领域的专业人士。我们旨在提供必要的工具,将大语言模型应用并定制到广泛的行业中,使AI更实用。"
- 生产环境中构建LLM: 提升LLM能力和可靠性的提示工程、微调和RAG - 由Towards AI编写。"了解将大语言模型适应到实际应用中的关键技术栈,包括提示工程、微调和检索增强生成。"
更多资源
加入社区!
-
一个有许多AI爱好者的Discord服务器 - 一起学习,提问,寻找Kaggle队友,分享您的项目等。
-
一个让您了解最新AI新闻的Discord服务器 - 了解最新的AI新闻,提问,分享您的项目等。
-
关注Reddit社区 - 提问,分享您的项目,跟踪新闻等。
保存备忘单!
- 最好的人工智能、机器学习和Python备忘单。
- AI、神经网络、机器学习、深度学习、大数据的备忘单 - Stefan Kojouharov
- 斯坦福CS 229课程的机器学习备忘单 - Afshine Amidi & Shervine Amidi
- 机器学习和Python(以及数学)的备忘单 - Robbie Allen
- AI专家路线图 - 用作技能清单!
👀 如果您想支持我的工作,您可以查看赞助此存储库或在 Patreon 上支持我。
或者通过穿上酷炫的周边商品来支持我!
关注该领域的新闻!
-
订阅分享新论文的 YouTube 频道 - 及时了解领域新闻!
- Louis Bouchard - 每周视频覆盖新论文
- Two Minutes Papers - 每两周一次的视频覆盖新论文
- Bycloud - 每周视频覆盖新论文
-
LinkedIn 群组
-
Facebook 群组
- Artificial Intelligence & Deep Learning - 关于人工智能、神经网络和深度学习的最活跃 Facebook 群。所有关于人工智能和深度学习前沿的新奇事物。未来几年,神经网络将重新定义智能机器的意义。
- Deep learning - 现代社会趋向于软性和自动化,演变为第四次工业革命,这导致社会成员陷入社会动荡。要生存或领先,必须掌握相关工具。机器变得越来越聪明和智能。机器学习是一项不可避免的技能,需要人们熟悉。该群组适合那些有志于发展自己才能以适应的人们。
-
时事通讯
- AlphaSignal - AI 领域最受欢迎的技术时事通讯
- AI News - 由 Swyx & 朋友们撰写 - 帮助索引约 356 个 Twitter 账号,约 21 个 Discord 频道等。(我个人主要阅读主要概述)
- Inside AI - 每日关于人工智能、机器人技术和神经技术的新闻故事和评论摘要。
- AI Weekly - 每周收集人工智能和机器学习的新闻和资源。
- AI Ethics Weekly - 每周最新的 AI 伦理更新发送到您的收件箱。
- Louis Bouchard Weekly - 每周清晰解释的一篇论文,包含文章、视频演示、演示代码等。
- Toward's AI newsletter - 每周总结最有趣的新闻和学习资源,并发布来自 Learn AI Together Discord 社区的更新。适合机器学习专业人士和爱好者。
-
关注 Medium 账户和出版物
- Towards Data Science - "分享概念、想法和代码"
- Towards AI - "最佳的技术、科学和工程内容。"
- OneZero - "未来的暗流。一本关于科技和科学的 Medium 出版物。"
- Louis Bouchard - "你好,我是 Louis(发音:loo-ee,法语),来自加拿大蒙特利尔。我尽力为每个人分享和解释人工智能术语和新闻。我的目标是为每个人解除 AI 的“黑箱”并让人们意识到使用它的风险。"
-
查看这个完整的 GitHub 指南以跟进 AI 新闻
- BAILOOL/DoYouEvenLearn - 跟上 AI/ML/DL/CV 的必备指南
找一份机器学习工作
- 阅读 本文的这一部分,里面有完整的面试技巧和如何准备。
- 通过观看其他人的表现,例如我与 NVIDIA、Zoox(自动驾驶公司)、D-ID(生成 AI 初创公司)等专家一起拍摄的面试系列,了解面试流程并提高准备水平。
AI 伦理
- 什么是伦理及其重要性?机器学习版 - 由 fast.ai 创始人 Rachel Thomas 撰写
- AI4People — 良好 AI 社会的伦理框架:机会、风险、原则和建议 - Floridi 等人,2018,AI4People 良好社会的 AI
- 信赖 AI 的伦理指南 - 欧盟委员会高层专家组关于可信 AI 的 7 点指南
- 机器人和 AI 伦理简介 - 一本由 Christoph Bartneck, Christoph Lütge, Alan Wagner 和 Sean Welsh 合著的免费电子书。
在 Twitter 上标记我 @Whats_AI 或 LinkedIn 上标记我 @Louis Bouchard 如果你分享这个列表!
👀 如果你想支持我的工作,请查看支持此存储库或在Patreon上支持我。
这个指南还在定期更新。