机器学习路线图

机器学习路线图涡轮

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。

机器学习路线图

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：

资源	作者
博客/通讯
Ahead of AI	Sebastian Raschka
AI Made Simple	Devansh
Society's Backend	Logan Thorneloe
The Batch	Andrew Ng
Interconnects	Nathan Lambert
Deep (Learning) Focus	Cameron R. Wolfe
ML Spring	Akshay Pachaar
Spatial Intelligence	Bilawal Sidhu
The AIEdge	Damien Benveniste
Google DeepMind 博客	多位作者
OpenAI 博客	多位作者
Meta AI 博客	多位作者
QiuByte	Hesam Sheikh
NLP 通讯	Elvis
The Palindrome	Tivadar Danka
YouTube
Andrej Karpathy	Andrej Karpathy
Spatial Intelligence	Bilawal Sidhu
Jay Alammar	Jay Alammar
Mervin Praison	Mervin Praison
Nicholas Renotte	Nicholas Renotte
Jeremy Howard	Jeremy Howard
Logan Thorneloe	Logan Thorneloe
3Blue1Brown	Grant Sanderson
RohanPaulAI	Rohan Paul

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。