本仓库是“机器学习初学者”公众号发布的内容代码。
机器学习qq群：659697409（我们有9个群，加过一个就不需要加了）
- 1.PyTorch60分钟入门（中文翻译）（目录名：PyTorch_beginner）
- 2.Python深度学习原书代码中文翻译（目录名：deep-learning-with-python-notebooks）
- 3.强烈推荐的TensorFlow、Pytorch和Keras的样例资源（目录名：deep-learning-with-tensorflow-keras-pytorch）
- 1.两天入门Python(目录名：python-start)
- 2.适合初学者快速入门的Numpy实战全集(目录名：numpy)
- 3.matplotlib学习之基本使用(目录名：matplotlib)
- 4.Sklearn入门经典案例(目录名：pyparis-2018-sklearn)
- 5.两天学会pandas(目录名：pandas)
以下为是公众号创立以来的精选原创文章，适合初学者入门 AI。本文建议用微信收藏用碎片时间学习。（黄海广）
AI 初学者最大的问题就是：
资料太多！看不完！！不知道如何取舍！！
我把 公众号创办以来的原创文章进行整理，文章适合本科、硕士以及刚接触机器学习的博士。
学完这些文章学完以后，就基本入门了。
入门以后，遇到问题能上网搜索解决了，也知道接下来应该学什么。
本文建议用微信收藏，利用碎片时间学习。
这篇文章为初学者提供了入门的路线。包含数学基础、python 入门、机器学习、深度学习、特征工程入门等。并把代码放在了 github 仓库：
https://github.com/fengdu78/Data-Science-Notes
这篇文章将机器学习的精华部分做成了手册，打开微信就能学习，适合平时时间少的朋友学习机器学习，可以在通勤的时候在手机上学习，建议收藏本文慢慢学习
上面这篇文章是数学基础，也是以下五篇文章的整合版本，可以在线阅读，也可以根据需要分别阅读。
- 首发：吴恩达的 CS229 的数学基础（概率论），有人把它做成了在线翻译版本！
- 首发：吴恩达的 CS229 的数学基础（线性代数），有人把它做成了在线翻译版本！
- 在线阅读！！机器学习数学精华：高等数学
- 在线阅读！！机器学习数学精华：线性代数
- 在线阅读！！机器学习数学精华：概率论与数理统计
原创作品为以下三个：
- 吴恩达机器学习课程笔记及资源（github 标星 12000+，提供百度云镜像）
- 《统计学习方法》的 python 代码实现（github 标星 7200+）
- 推荐：《机器学习实战：基于 Scikit-Learn 和 TensorFlow》中文翻译和代码下载
后来又制作成了在线阅读版本：
- 机器学习练习数据哪里找？两行代码搞定！
- 学完可以解决 90%以上的数据分析问题-利用 python 进行数据分析第二版（代码和中文笔记）
- 特征工程的宝典-《Feature Engineering for Machine Learning》翻译及代码实现
- 首发：深度学习入门宝典-《python 深度学习》原文代码中文注释版及电子书
- 强烈推荐的 TensorFlow、Pytorch 和 Keras 的样例资源（深度学习初学者必须收藏）
- Ubuntu 18.04 深度学习环境配置（CUDA9.0+CUDDN7.4+TensorFolw1.8）
- 学习 python 入门的个人建议及资料
- Python 环境的安装（Anaconda+Jupyter notebook+Pycharm）
- Python 代码写得丑怎么办？推荐几个神器拯救你
- Numpy 练习题 100 题-提高你的数据分析技能
- Pandas 练习题-提高你的数据分析技能
- python 绘图工具基础-matplotlib 学习之基本使用
- 数据可视化的利器-Seaborn 简易入门
本文总结了“机器学习初学者”公众号创立以来的精选原创文章，可以作为 AI 入门的宝典，让初学者少走弯路，强烈建议收藏本文！
机器学习资源
- 良心推荐：机器学习入门资料汇总及学习建议（2018版）
- 黄海广博士的github镜像下载（机器学习及深度学习资源）
- 吴恩达老师的机器学习和深度学习课程笔记打印版
- 吴恩达老师机器学习教程中文笔记-在线版
- Coursera机器学习课程代码作业-Python版本
- Deeplearning.ai深度学习课程笔记-在线版
- 首发：深度学习测试题中英对照版
- 机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件
- 斯坦福大学机器学习课程资料-吴恩达老师主讲（2008版）
- 机器学习训练秘籍完整中文版下载（吴恩达老师新作）
- 首发：深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书
- 强烈推荐的TensorFlow、Pytorch和Keras的样例资源（深度学习初学者必须收藏）
- 机器学习小抄-（像背托福单词一样理解机器学习）
- 深度学习初学者的另一份小抄-《一天学懂深度学习（李宏毅）》（中文标注）
- 一些NLP的入门资料参考
- 革命性提升-宇宙最强的NLP预训练BERT模型（附官方代码）
- 50个最佳机器学习公共数据集
机器学习大师之作
开源案例和方案
- 首发：台大林轩田《机器学习基石》系列课程教材的习题解答和实现
- CTR预估系列：DeepCTR 一个基于深度学习的CTR模型包
- 开源-BDCI2018面向电信行业存量用户的智能套餐个性化匹配模型Top1解决方案和代码
- 开源-BDCI2018供应链需求预测模型第一名解决方案和代码
- 海洋大数据应用思考（附资料下载）
机器学习论文
硬件和环境配置
- Ubuntu 18.04深度学习环境配置（CUDA9.0+CUDNN7.4+TensorFlow1.8）
- 深度学习主机环境配置: Win10+Nvidia GTX1080i+CUDA8.0+CUDDN6
Python基础
- 学习python入门的个人建议及资料
- 两天入门Python基础（附代码实现）
- 学完可以解决90%以上的数据分析问题-利用python进行数据分析第二版（代码和中文笔记）
- python绘图工具基础-matplotlib学习之基本使用
- 适合初学者快速入门的Numpy实战全集
- python进阶之多进程
科研入门
- 机器学习的数学基础
- 吐血推荐收藏的学位论文排版教程（完整版）
- 科研工作者的神器-zotero论文管理工具
- 如何做视频教程笔记
- 给初学者推荐一个摆脱变量命名纠结的神器
- SQL语法如何入门？（附资料下载）
项目合作
过时文章
过时资料指的是新的文章已经涵盖了旧文章内容，不需要再看了。
杂谈
