传送门：ailearning.apachecn.org

Github：github.com/apachecn/AiLearning

这套名叫AI Learning的GitHub资源，汇集了30多名贡献者的集体智慧，把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。

很多初学者都会遇到这样的问题：入门机器学习应该从哪里学起？

贡献者表示，先学机器学习基础，然后攻克深度学习基础，最后学习自然语言处理（NLP）相关知识。“按照步骤: 1 => 2 => 3，你可以当大牛！”

在第一部分里，贡献者给出的学习路线图是这样的。

在上面16个学习模块中，是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料，非常方便。

以第2章KNN邻近算法为例，正文内容大致是这个样子的：

随后介绍了KNN项目案例，理论联系实践：

项目代码自然也是不会缺少的：

如果读不进文字，贡献者还提供了视频教程：

在第二部分深度学习基础中，扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点，并逐个附加了一篇介绍博文

第三部分则着重讲了自然语言处理（NLP）的学习路线和一些应用领域：

最后一部分Graph图计算还在更新中，目前包括了一个数据集和一本参考书目：

历史文章推荐

• AI综述专栏 | 多模态机器学习综述

• 深度学习中不得不学的Graph Embedding方法

• 旷视研究院新出8000点人脸关键点，堪比电影级表情捕捉

• 何恺明团队最新研究：3D目标检测新框架VoteNet，直接处理点云数据，刷新最高精度

• 打开阿兹海默之门：华裔张复伦利用RNN成功解码脑电波，合成语音 | Nature

• 图嵌入（Graph embedding）综述

• 半天2k赞火爆推特！李飞飞高徒发布33条神经网络训练秘技

• 再也不用担心我的公式写不出来了：一款公式输入神器实测

• 【深度学习】一文看尽深度学习各领域最新突破

• 2019 年 12 个深度学习最佳书籍清单！值得收藏

你正在看吗？👇