Skip to content

ahhaa/MachineLearning

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

MachineLearning

欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远

机器学习

模块 章节 类型 负责人(GitHub) QQ
机器学习实战 第 1 章: 机器学习基础 介绍 @毛红动 1306014226
机器学习实战 第 2 章: KNN 近邻算法 分类 @尤永江 279393323
机器学习实战 第 3 章: 决策树 分类 @景涛 844300439
机器学习实战 第 4 章: 朴素贝叶斯 分类 @wnma3mz
@分析
1003324213
244970749
机器学习实战 第 5 章: Logistic回归 分类 @微光同尘 529925688
机器学习实战 第 6 章: SVM 支持向量机 分类 @王德红 934969547
网上组合内容 第 7 章: 集成方法(随机森林和 AdaBoost) 分类 @片刻 529815144
机器学习实战 第 8 章: 回归 回归 @微光同尘 529925688
机器学习实战 第 9 章: 树回归 回归 @微光同尘 529925688
机器学习实战 第 10 章: K-Means 聚类 聚类 @徐昭清 827106588
机器学习实战 第 11 章: 利用 Apriori 算法进行关联分析 频繁项集 @刘海飞 1049498972
机器学习实战 第 12 章: FP-growth 高效发现频繁项集 频繁项集 @程威 842725815
机器学习实战 第 13 章: 利用 PCA 来简化数据 工具 @廖立娟 835670618
机器学习实战 第 14 章: 利用 SVD 来简化数据 工具 @张俊皓 714974242
机器学习实战 第 15 章: 大数据与 MapReduce 工具 空缺 - 有兴趣私聊片刻 842376188
Ml项目实战 第 16 章: 推荐系统 项目 空缺 - 有兴趣私聊片刻 842376188

深度学习(DeepLearning) —— 正在更新迭代

  • 1.) 入门介绍
  • 2.) 代码位置:src/deeplearning/py2.x or py3.x

自然语言处理(NLP)

第一部分 入门介绍

第二部分 机器翻译

第三部分 篇章分析

第四部分 UNIT-语言理解与交互技术

未来规划样子

类目 类型 模块 章节 负责人 QQ
机器学习 基本介绍 机器学习基础 @片刻 529815144
监督学习 分类 KNN 近邻算法 @微光同尘 529925688
决策树 @景涛 844300439
朴素贝叶斯 @wnma3mz
@平淡的天
1003324213
554650680
Logistic回归 @景涛 844300439
SVM 支持向量机 @小王子
@景涛
934969547
844300439
集成方法 @片刻 529815144
随机森林 @片刻 529815144
AdaBoost @片刻 529815144
回归 回归 @微光同尘 529925688
树回归 @微光同尘 529925688
综合 xgboost @小王子 934969547
非监督学习 聚类 K-Means 聚类 @徐昭清 827106588
关联规则 利用 Apriori 算法进行关联分析 @刘海飞 1049498972
频繁项集 FP-growth 高效发现频繁项集 @程威 842725815
降维 利用 PCA 来简化数据 @廖立娟 835670618
利用 SVD 来简化数据 空缺
T-SNE @片刻
@Lisanaaa
529815144
1369342903
模型选择 空缺
预处理 @咸鱼 1034616238
模型融合 @咸鱼 1034616238
深度学习 神经网络 NN @红色石头 1024323838
DNN @红色石头 1024323838
图像识别 CNN @瑶妹
@咸鱼
190442212
1034616238
NLP SOW @片刻 529815144
BOW @片刻 529815144
TF-IDF @片刻 529815144
Word2Vec 原理介绍 @片刻 529815144
RNN 空缺
LSTM 空缺
语音识别 空缺
大数据与MapReduce 大数据与MapReduce 空缺
推荐系统 推荐系统 空缺

项目负责人

Ml 第一期 (2017-02-27)

Ml 第二期 (2017-08-14)

Ml 第三期 (2018-04-16)

项目贡献者

Ml 第一期 (2017-02-27)

Ml 第二期 (2017-08-14)

Ml 第三期 (2018-04-16)

  • 欢迎贡献者不断的追加

加入方式

网站视频

知乎问答-爆炸啦-机器学习该怎么入门?

当然我知道,第一句就会被吐槽,因为科班出身的人,不屑的吐了一口唾沫,说傻X,还评论 Andrew Ng 的视频。。

我还知道还有一部分人,看 Andrew Ng 的视频就是看不懂,那神秘的数学推导,那迷之微笑的英文版的教学,我何尝又不是这样走过来的?? 我的心可能比你们都痛,因为我在网上收藏过上10部《机器学习》相关视频,外加国内本土风格的教程:7月+小象 等等,我都很难去听懂,直到有一天,被一个百度的高级算法分析师推荐说:《机器学习实战》还不错,通俗易懂,你去试试??

我试了试,还好我的Python基础和调试能力还不错,基本上代码都调试过一遍,很多高大上的 "理论+推导",在我眼中变成了几个 "加减乘除+循环",我想这不就是像我这样的程序员想要的入门教程么?

很多程序员说机器学习 TM 太难学了,是的,真 TM 难学,我想最难的是:没有一本像《机器学习实战》那样的作者愿意以程序员 Coding 角度去给大家讲解!!

最近几天,GitHub 涨了 300颗 star,加群的200人, 现在还在不断的增加++,我想大家可能都是感同身受吧!

很多想入门新手就是被忽悠着收藏收藏再收藏,但是最后还是什么都没有学到,也就是"资源收藏家",也许新手要的就是 MachineLearning(机器学习) 学习路线图。没错,我可以给你们的一份,因为我们还通过视频记录下来我们的学习过程。水平当然也有限,不过对于新手入门,绝对没问题,如果你还不会,那算我输!!

视频怎么看?

  1. 理论科班出身-建议去学习 Andrew Ng 的视频(Ng 的视频绝对是权威,这个毋庸置疑)
  2. 编码能力强 - 建议看我们的《机器学习实战-教学版》
  3. 编码能力弱 - 建议看我们的《机器学习实战-讨论版》,不过在看理论的时候,看 教学版-理论部分;讨论版的废话太多,不过在讲解代码的时候是一行一行讲解的;所以,根据自己的需求,自由的组合。

循序渐进大体介绍:机器学习初学者建议 | ApacheCN

干货内容实际操作:MachineLearning(机器学习) 学习路线图

机器学习视频-教学版

AcFun B站
优酷 网易云课堂

kaggle: 机器学习竞赛

深度学习 机器学习 大数据 运维工具
TensorFlow R1.2 中文文档 机器学习实战-教学 Spark 2.2.0和2.0.2 中文文档 Zeppelin 0.7.2 中文文档
Pytorch 0.3 中文文档 Sklearn 0.19 中文文档 Storm 1.1.0和1.0.1 中文文档 Kibana 5.2 中文文档
LightGBM 中文文档 Kudu 1.4.0 中文文档
XGBoost 中文文档 Elasticsearch 5.4 中文文档
Beam 中文文档

About

Machine Learning in Action(机器学习实战)

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages

  • Python 66.9%
  • HTML 33.0%
  • Other 0.1%