Intro
目標
- 掌握線性迴歸算法
- 掌握邏輯迴歸算法
- 掌握k-means算法
- 掌握PCA算法
- 理解線性支持向量機/非線性支持向量機算法
- 理解凸優化的梯度下降算法
- 對機器學習中的術語有一定的簡單認識與理解
必啃資料
- 谷歌機器學習入門課程:https://developers.google.cn/machine-learning/crash-course/ml-intro?hl=zh-cn
- 無監督學習算法總結:https://www.cnblogs.com/dynmi/p/11619698.html
- 支持向量機:https://monkeylearn.com/blog/introduction-to-support-vector-machines-svm/
- 線性迴歸:https://github.com/Dynmi/Logistic_Regression_with_C
- 吳恩達 / DeepLearning課程第一部分--深度學習入門
Dive in
目標
- 掌握原始梯度下降法及變種
- 掌握一個簡單的全連接神經網絡的工作原理
- 知道2010年後流行的各種機器學習算法,並基本理解其工作原理
- 熟練使用tensorflow/torch工具
必啃資料
- 吳恩達 / DeepLearning課程全部
- 周志華 / 《機器學習》
- Andrew Karpathy / 斯坦福CS231n
- 多查閱網絡上的優秀播客
Master
目標
- 做ML領域內的一名專業玩家
- 對各種知名算法的drawback有自己的理解與認識
Todo
- C語言 / 不調包 / 實現常見算子
- 大量閱讀著名paper和最新的頂會優秀Paper
- 參與知名開源項目,如Tensorflow
- 參與專業討論與分享
可選參考書
- Goodfellow / 《deep learning》
- Sutton / 《An introduction to reinforcement learning》
PhD
- 機器學習領域內,針對某一個具體的點,提出一個創新與改進的課題。針對每個課題,完成一套科研過程。
- 領導一個大型的ML相關項目,在該領域內製造一定的影響力。