本文為AI入門者推薦一個(gè)Github倉(cāng)庫，倉(cāng)庫推薦了一個(gè)簡(jiǎn)易的學(xué)習(xí)路線，并提供了代碼和數(shù)據(jù)集下載。

本文作者：黃海廣

一、前言

AI以及機(jī)器學(xué)習(xí)入門，初學(xué)者遇到的問題非常多，但最大的問題就是：

資料太多！！！不知道如何取舍！！！

Github上有一個(gè)倉(cāng)庫（標(biāo)星2300+），很大程度上解決了這個(gè)問題，不但提供了學(xué)習(xí)路線，為初學(xué)者指明了學(xué)習(xí)的方向，而且所有代碼和數(shù)據(jù)集都提供了下載方式。

初學(xué)者根據(jù)這個(gè)github倉(cāng)庫學(xué)完以后，就基本入門AI了。

入門以后，遇到問題能上網(wǎng)搜索解決了，也知道接下來應(yīng)該學(xué)什么。

二、github倉(cāng)庫介紹

倉(cāng)庫作者黃海廣（github累計(jì)star數(shù)37000+，排名世界87），另一部分由其他公益組織創(chuàng)作。

倉(cāng)庫鏈接：

https://github.com/fengdu78/Data-Science-Notes

三、倉(cāng)庫目錄及概述

• 0.math

• 1.python-basic

• 2.numpy

• 3.pandas

• 4.scipy

• 5.data-visualization

• 6.scikit-learn

• 7.machine-learning

• 8.deep-learning

• 9.feature-engineering

四、學(xué)習(xí)路線說明

這個(gè)目錄其實(shí)是一個(gè)學(xué)習(xí)路線：

0——>1——>2——>3——>4——>5——>6——>7——>8——>9

1-5是個(gè)整體，6和7的順序可以交換也可以同時(shí)學(xué)習(xí)，8屬于選學(xué)部分（深度學(xué)習(xí)），9放在最后學(xué)習(xí)。

五、學(xué)習(xí)路線和內(nèi)容

第一部分，數(shù)學(xué)基礎(chǔ)學(xué)習(xí)

目錄名稱：0.math

數(shù)學(xué)基礎(chǔ)：數(shù)學(xué)基礎(chǔ)內(nèi)容太多，很容易把人勸退，其實(shí)先把高等數(shù)學(xué)、概率論與數(shù)理統(tǒng)計(jì)和線性代數(shù)這三門課學(xué)熟了，大部分機(jī)器學(xué)習(xí)問題是能解決的。數(shù)學(xué)基礎(chǔ)部分我放了三個(gè)資料。

第一個(gè)是當(dāng)時(shí)考研和考博士復(fù)習(xí)的。數(shù)學(xué)基礎(chǔ)，我把機(jī)器學(xué)習(xí)的部分，提煉出來。

第二、三個(gè)是今年剛翻譯的CS229的線性代數(shù)和概率論，這部分是斯坦福所有人工智能有關(guān)的課程的數(shù)學(xué)基礎(chǔ)復(fù)習(xí)材料，非常實(shí)用。

這部分內(nèi)容曾經(jīng)有文章介紹（查看文章）

第二部分，python學(xué)習(xí)

目錄名稱：1.python-basic 

python基礎(chǔ)：這里有個(gè)代碼練習(xí)：兩天入門python

目錄名稱： 2.numpy

numpy基礎(chǔ)：這里有2個(gè)代碼練習(xí)

• 一、適合初學(xué)者快速入門的Numpy實(shí)戰(zhàn)全集

• 二、Numpy練習(xí)題100題-提高你的數(shù)據(jù)分析技能

目錄名稱： 3.pandas

pandas基礎(chǔ)：這里有3個(gè)代碼練習(xí)

• 一、《十分鐘搞定pandas》：10-Minutes-to-pandas，這是十分鐘搞定pandas 10 minutes in pandas的中文翻譯。

• 二、《pandas練習(xí)題》：Pandas_Exercises，這個(gè)是pandas的練習(xí)題。

• 三、《pandas入門教程-2天學(xué)會(huì)pandas》：pandas_beginner

• 四、《pandas五十題》：pandas50

目錄名稱： 4.scipy

• scipy基礎(chǔ)：scipy的示例代碼

目錄名稱： 5.data-visualization

數(shù)據(jù)可視化基礎(chǔ)：這里有2個(gè)代碼練習(xí)

• 一、matplotlib學(xué)習(xí)之基本使用

• 二、數(shù)據(jù)可視化的利器-Seaborn簡(jiǎn)易入門

第三部分，機(jī)器學(xué)習(xí)基礎(chǔ)

目錄名稱：6.scikit-learn

scikit-learn基礎(chǔ)：PyParis 2018: Machine learning using scikit-learn的代碼翻譯（截圖如下：）

圖：代碼截圖

目錄名稱：7.machine-learning

機(jī)器學(xué)習(xí)入門，推薦4份教程，著重推薦1、2部分。

• 一、斯坦福大學(xué)2014（吳恩達(dá)）機(jī)器學(xué)習(xí)教程中文筆記及資源

  內(nèi)容介紹（點(diǎn)擊查看文章）

• 二、李航《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼實(shí)現(xiàn)

  內(nèi)容介紹（點(diǎn)擊查看文章）

• 三、周志華老師的《機(jī)器學(xué)習(xí)》的解答--南瓜書PumpkinBook

  內(nèi)容介紹（點(diǎn)擊查看文章）

• 四、臺(tái)大林軒田《機(jī)器學(xué)習(xí)基石》系列課程教材的習(xí)題解答

  內(nèi)容介紹（點(diǎn)擊查看文章）

目錄名稱：8.deep-learning

深度學(xué)習(xí)入門，推薦3份教程

• 一、深度學(xué)習(xí)教程中文筆記

  內(nèi)容介紹（點(diǎn)擊查看文章）

• 二、《python深度學(xué)習(xí)》的代碼翻譯版

  內(nèi)容介紹（點(diǎn)擊查看文章）

• 三、 強(qiáng)烈推薦的TensorFlow、Pytorch和Keras的樣例資源

  內(nèi)容介紹（點(diǎn)擊查看文章）

目錄名稱：9.feature-engineering

特征工程入門，這個(gè)是項(xiàng)目實(shí)戰(zhàn)部分。

• 一、面向機(jī)器學(xué)習(xí)的特征工程

  內(nèi)容介紹（點(diǎn)擊查看文章）

參考

• 《統(tǒng)計(jì)學(xué)習(xí)方法》李航
• https://github.com/donnemartin/data-science-ipython-notebooks
• https://github.com/apachecn/feature-engineering-for-ml-zh
• https://github.com/datawhalechina/pumpkin-book
• https://github.com/Doraemonzzz/Learning-from-data
• https://github.com/wzyonggege/statistical-learning-method
• https://github.com/WenDesi/lihang_book_algorithm
• https://www./course/ml
• https://mooc./note/12/ 小小人_V
• https://www.
• 《python科學(xué)計(jì)算》

總結(jié)

本文提供了適合初學(xué)者入門AI的路線及資料下載，以上內(nèi)容都整合到一個(gè)倉(cāng)庫：

倉(cāng)庫鏈接：

https://github.com/fengdu78/Data-Science-Notes