機器學習深度學習推薦資源(學習流程建議+學習資料+視頻)
自從從軟件開發轉型到機器學習工程師，期間有人詢問我是如何自學轉型的，最近尤為多，所以寫下這篇文章，會有我自己摸索的學習的流程和花錢收集資料+視頻，自己也是水平有限，且不一定適合每個人，望能夠理解。然後也算是給 如何看待培訓機構出來的非科班程序員 這篇文章說到的‘一年後再說’給個回應。
我是18年2月過年回來後，對安卓行情的不看好，某位名人說過，一個人的命運，不但要靠自我的奮鬥，也要考慮歷史的行程。我想當只風口上的豬，所以自己也是下定決心沒有退路，在上班的其他時間學習了機器學習(包括晚上，沒周末)，總之一個字就是拼了。自己總結出來的一套流程，希望能幫助到有這方面的人(做學術的不適合，找工作的適合)。參考:很多人問我學了多久找到工作的，我邊上班邊加班，然後學了4個月。
1.第一步首先你先要入門機器學習，了解下大概是什麽，讓你知道沒想象的那麽難，那麽我推薦 吳恩達的機器學習，在B站上/couresa上都有，先快速的過一遍，是比較基本的一些知識(甚至從導數的定義開始講，而且每個視頻都比較短，看起來比較有成就感)，比如代價函數等等知識，當然有些字幕翻譯的不是很好。。基本上都看得懂，這個時間跨度我建議能在3周內搞定(如果是脫產，2周就可以),當然這僅僅簡單的入門了。
鏈接B站:https://www.bilibili.com/video/av9912938?from=search&seid=17876711634353890911
鏈接couresa:https://www.coursera.org/learn/machine-learning
2.第二步我建議買兩本書，比較經典的，一本是周誌華的機器學習(西瓜書)，第二本是李航的統計學習方法.在第一步過了以後，為什麽要第一遍一定要過，比如周誌華的西瓜書，覆蓋面比較大，難度起伏不定，需要對機器學習有一定了解以後再學。我建議能配合我後面給的某培訓機構的人工智能課程 + 這兩本書需要真的過幾遍(一遍你不一定能看得懂，建議能夠多review幾遍,這裏我的意思是每個算法每個原理和推導都需要搞懂，實在不行，最基本的比如邏輯回歸等這些最基本的一定要在紙上直接寫出來)，期間你會遇到很多數學問題，希望能盡量一個一個去查，我買了本科的線代和高數，比如為了搞懂奇異值分解啊，共軛矩陣等等，當然數學好的跳過。當然，因為我是寫代碼轉過來的，python會的比較快，我是一起學的。如果你是別的專業的，還需要學習下python。(這整個階段我建議3個月)，此階段，為了加快學習進度，找工作，我只推薦學習1.某風培訓機構人工智能課程配合書。培訓機構的課程肯定是為了工作，get到那個點就好了
1.某風培訓機構人工智能課程:主要是這個
https://pan.baidu.com/s/1Gtx1BrQiN9E6JpcbE-fVxw
?
2.純機器學習，下面這個視頻我沒有看:
https://pan.baidu.com/s/1-9W4P6-ojbxLaGNwzDhI7A
?
3.包含斯坦福/算法/七月在線全套，這個我也沒看
https://pan.baidu.com/s/1_jCw5RkzO3SPTQTqHkDEZA
3.第三步是我看牛客網等搜索各個網站:機器學習/深度學習工程師面試問題，這個網上搜索一大堆，牛客網上總結的不錯，然後自己要看著問題，說出所以然來，比如問你adboost,xgboost,BP原理等等,這是我寫的一部分題目
https://blog.csdn.net/lyf52010/article/details/82858301
以及通過看各位大牛的博客，自己再過一遍，不斷的review。這裏我比較推薦，紅色石頭博主，我的很多博客都是跟他走的。
總結的一部分資料:https://blog.csdn.net/lyf52010/article/details/80301131
紅色石頭博主博客:https://blog.csdn.net/red_stone1/article/details/77799014
如果到達這一步，你找工作基本上沒問題了。
4.提升篇，當然，此時的你如果還想提升，先可以買機器學習實戰這本書，往自然語言處理，計算機視覺，推薦系統靠 那就是後話了，
我也會不斷更新這個階段的視頻和資料，因為這也是我目前在的階段。
NLP:https://pan.baidu.com/s/12a_ZRYSJwn3PsNDdCFOXmQ
另外附：
西瓜書:
?
統計學習方法：
?
機器學習實戰：
?
然後很重要的一點是要善於去總結，不斷的總結
?
以上的鏈接我會不斷的增加和更新，且不用提取碼，永久有效且免費。這些視頻是我花了錢買下來的，也是真心希望能幫助到大家成功轉型。當然懷著一顆小私心，也希望大家能給作者一個小小的贊賞。。
這是一個贊賞碼
?
機器學習深度學習推薦資源(學習流程建議+學習資料+視頻)