六、最好的机器学习资源

制定课程表的一般建议

你不能深入每个机器学习话题。有太多药学的东西，并且领域的进展较快。掌握基础概念，之后专注特定兴趣领域的项目 — 无论是自然语言理解，计算机视觉，深度强化学习，机器人，还是任何其它东西。

2. 围绕最感兴趣的话题设计你的课程表

对于一些长期学习，或事业目标来说，动机远比稍微优化的学习策略重要。如果你玩的开心，你就会进展较快。如果你尝试强迫你自己前进，你就较慢。

编程

• 语法和基础概念：谷歌的 Python 课程、。
• 练习：CoderByte、、HackerRank。

线性代数

• 。机器学习相关的线性代数概念的快速概览。
• A First Course in Linear Model Theory（线性模型理论的第一堂课）。Nalini Ravishanker 和 Dipak Dey 所著。在统计学语境下介绍线性代数的课本。

微积分

• 可汗学院：。或者任何微积分课程或课本。

• 斯坦福 CS231n：导数，反向传播和向量化，Justin Johnson 所著。

机器学习

• 课程
  • 吴恩达的课程，在网易云课堂上（更严格来说，是斯坦福 CS229。
  • 数据科学训练营：（全日制，三个月，较贵）；Thinkful（时间灵活，六个月，较便宜）。
• 课本
  • 统计学习导论（，中文），Gareth James 等人所著。本质性机器学习概念的优秀参考，英文版免费。

深度学习

• 课程
  • ，吴恩达的导论性深度学习课程。
  • CS231n：用于视觉识别的卷积神经网络，斯坦福的深度学习课程。有助于构建概念，带有吸引人的讲义和演示性的问题集。
• 项目
  • ，有趣而遍历的，基于项目的课程。项目包括猫狗的图像分类，和尼采哲学的作品生成。
  • 使用 TensorFlow 分类 MNIST 手写数字。使用这个 Google 的教程，以超过 99% 的准确率，在三个小时内分类手写数字。
  • 亲自试试 。实现感兴趣的深度学习论文，使用 Github 上的其它版本作为参考资料。
• 阅读
  • 深度学习圣经，Ian Goodfellow，Yoshua Bengio 和 Aaron Courville 所著。
  • ，清晰和在线刻度的深度学习教程，Michael Nielsen 所著。以一些到达人类级别的智能结尾。
  • 深度学习论文阅读路线图，关键论文的全集，按照时间和研究领域组织。

强化学习

• 课程
  • John Schulman 的 ，位于 UCB。
  • 深度 RL 训练营，由 OpenAI 和 UCB 组织。应用当前关闭了，但是值得看一看未来的课程。
• 项目
  • Andrej Karpathy 的 。从零开始，在 130 行代码之内，实现打乒乓球的智能体。
  • Arthur Juliani 的 Simple Reinforcement Learning with Tensorflow（Tensorflow 简易强化学习）。使用 TensorFlow 实现 Q-learning, policy-learning 和 actor-critic 方法，和探索策略。
  • 更多思路请查看 OpenAI 的 。
• 阅读
  • Richard Sutton 的书，Reinforcement Learning: An Introduction（强化学习导论）。

• 人工智能：一种现代方法（，中文），由 Stuart Russell 和 Peter Norvig 所著。
• Sebastian Thrun 的优达学城课程，。
• 奖学金：Insight AI 伙伴计划，。

人工智能安全

• 对于短的版本，请阅读：1）Johannes Heidecke 的 Risks of Artificial Intelligence（人工智能的风险）；2）OpenAI 和 谷歌大脑的合作，；3）Wait But Why 的文章 AI Revolution（AI 的进化）。
• 对于长的版本，查看 Nick Bostrom 的 。
• 查看 MIRI 和 发布的 AI 安全方面的研究。
• 保持关注 Reddit 上的 。

时事通讯

• ，每周的 AI 通讯，涵盖业界的最新发展。由 OpenAI 的 Jack Clark 筹划。
• Machine Learnings，由 Sam DeBrule 筹划。它是这个领域中经常客串的专家。
• ，涵盖近期新闻，和风投视角的 AI/ML 评论。
• The Wild Week in AI，由 Denny Britz 维护。标题说明了一切。

来自其他人的建议

• ，由谷歌大脑的 Eric Jang 回答。
• What are the best ways to pick up deep learning skills as an engineer?（作为工程师，什么是修炼深度学习技能的最佳方式？），由 OpenAI 的 CTO Greg Brockman 回答。
• ，由 80,000 Hours 设计。

最后祝你好运，再见。