GitHub超全机器学习工程师成长路线图,开源两日收获3700+Star!

0.546字数 2126阅读 3852

作者 | 琥珀

出品 | AI科技大本营(ID:rgznai100)

近日,一个在 GitHub 上开源即收获了 3700+ Star 的项目,引起了营长的注意。据介绍,该项目以 TensorFlow 和 Scikit-learn 的机器学习框架的基础库为例,详细介绍了如何成为一名机器学习工程师的成长路径。

该项目的作者还是一位来自意大利的 IT 工程师,名叫 Giacomo Ciarlini,十分帅气的有没有?

GitHub 传送门:

https://github.com/clone95/Machine-Learning-Study-Path-March-2019/tree/master/Career%20Paths/Machine%20Learning%20Engineer%20Career%20Path

作者首先强烈推荐了《Scikit-Learn 与 TensorFlow 机器学习实用指南》一书。之外,他还上传了全球顶尖大学和开源组织的学习资源,并收集了理论和示例,以及对选择最佳资源的建议。

内容主要分为四大部分:

一、先决条件

Python

Jupyter Notebook

需要掌握的基本数学知识

机器学习全貌

二、使如何使用 Scikit-Learn 进行机器学习

为什么是 Scikit-Learn?

端到端机器学习项目

线性回归

分类

训练模型

支持向量机

决策树

合奏学习和随机森林

无监督学习

结语和期待

三、通过 TensorFlow 训练的神经网络

为何选择 TensorFlow?

使用 TensorFlow

ANN - 人工神经网络

CNN - 卷积神经网络

RNN - 递归神经网络

训练网络:最佳实践

自动编码

强化学习

四、工具

机器学习项目

数据科学工具

博客 / YouTube 频道 / 网站

每个标签下,作者都有详细的解释并给出了实战操作的资源,实乃良心之作!下面,就由营长来详细介绍下这个项目里有哪些值得一看的资源(并附上部分教程链接)。

一、先决条件

Python

基础知识:

https://pythonprogramming.net/introduction-learn-python-3-tutorials/

作者还建议,除了对 Python 熟悉掌握外,还可以了解下 Numpy,它是数学运算的重要模块,可以有助于你在后面 Python 环境中导入 Tensor 数据类型。

Python3 安装地址:

https://realpython.com/installing-python/

PyCharm Community Edition(一个用于 Python 开发的完整 IDE,为实验设置一个新的 Python 虚拟环境)

安装地址:

https://www.jetbrains.com/pycharm/download/#section=windows

Jupyter Notebook

是一个开源的 Web 应用程序,帮助用户创建和共享文档,包括 live code,方程,可视化,叙述文本。例如,数据清洗、数值模拟、统计建模、数据可视化、机器学习等。

需要掌握的基本数学知识

在作者看来,数学是机器学习背后的重要基础。但重要的是,掌握主要概念并认识到这些数学方法的应用领域和局限性。

他给出了三个课程链接,分别是:

线性代数:

https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/

概率基础和统计:

https://www.edx.org/course/introduction-to-probability-0

其他数学资源:

https://explained.ai/matrix-calculus/index.html#sec4.5

机器学习全貌

最后,还要通过一篇科普读物,了解整个机器学习全貌:

https://www.oreilly.com/library/view/hands-on-machine-learning/9781491962282/ch01.html

二、如何使用 Scikit-Learn 进行机器学习?

安装 Scikit-Learn

python pip install -U scikit-learn

如果安装时遇到一些问题,可能是你更新到最新版本的 pip,所以在同一个文件夹内运行:

python -m pip install --upgrade pip

为什么是 Scikit-Learn?

Scikit-Learn 是机器学习任务中最完整、最成熟,且记录完整的库之一。它开箱即用,具有强大而先进的模型。

端到端机器学习项目

Kaggle,作为机器学习和通用数据科学项目的首选平台,它提供了大量免费数据集,以及有趣的挑战和 ML 模型实验。

线性回归

线性回归是最简单的机器学习形式,也是模型训练的起点。

可以参看吴恩达的理论课程:

https://www.youtube.com/watch?v=W46UTQ_JDPk&list=PLoR5VjrKytrCv-Vxnhp5UyS1UjZsXP0Kj&index=2

分类

如果想要从不同的可能性中预测结果,分类则是最重要的机器学习任务之一。最简单的情况是二元分类问题。

训练模型

作者列举了 ML 任务中训练模型的一些技术,在 Google Crash 教程中可以找到:

梯度下降:

https://developers.google.com/machine-learning/crash-course/reducing-loss/gradient-descent

学习率:

https://developers.google.com/machine-learning/crash-course/reducing-loss/learning-rate

SGD:

https://developers.google.com/machine-learning/crash-course/reducing-loss/stochastic-gradient-descent

正则化:

https://www.youtube.com/watch?v=Q81RR3yKn30

支持向量机

是创建 ML 模型的另一种经典算法。

除了理论解释外,还有更多实战策略:

https://www.youtube.com/watch?v=g8D5YL6cOSE

决策树

集成学习和随机森林

集成学习(Ensemble Learning)的思路是利用了几款 ML 模型的所有不同特征、优劣势,以期得到最有可能性的预测结果。

集成学习基础知识:

https://www.youtube.com/watch?v=9VmKYwX_U7s

随机森林最经典实践:

https://www.youtube.com/watch?v=3kYujfDgmNk

无监督学习

涵盖了无监督学习的介绍、解释,以及与监督学习、强化学习之间的差别。

关于涉及的两个重要技术:关联规则(Association Rules)和聚类,作者分别提供了示例和教程。

三、通过 TensorFlow 训练的神经网络

在本节中,作者主力推荐斯坦福大学深度学习课程以及其他网络教程,帮助学习者快速了解这些内容。其中包括 ANN、CNN、RNN 等不同种类的机器学习模型。实际上,作者花了很长时间去理解神经网络的理论和应用,包括阅读博客、官网论坛、学习路径。

他给出了“三步走”的建议:

通过斯坦福大学教程了解神经网络的主要概念,不要过多担心一些数学解释,而要关注什么和为什么;

使用理论 + 教程 + 示例(如 RNN 理论 + RNN 教程 + RNN 示例),每次只深度探讨一个主题;

每探讨完一个主题,就回溯一遍斯坦福大学的课程。这种方式将帮助你完全理解所有公式,并将课程中提到的 “数学” 相关知识联系起来,触类旁通。

作者表示,以上这种方式可根据需要重复多次,然后在你的头脑中构建一个良好的通用模型。

斯坦福大学课程 PPT 地址:

http://cs231n.stanford.edu/slides/2018/

为何选择 TensorFlow?

目前,TensorFlow 已经企业里实现机器学习算法的事实标准。

在安装 TensorFlow 库之前,你只需在 Python 安装文件夹中打开一个终端并运行此命令:

python pip install tensorflow

ANN - 人工神经网络

CNN - 卷积神经网络

RNN - 递归神经网络

训练网络:最佳实践

自动编码

强化学习

以上细节就不一一细讲了。

四、其他资源

除了上述内容之外,作者还收集了大量文章、网络应用程序、最佳实践、项目和存储库。

机器学习项目

工具

YouTube 频道

博客

以及,其他值得一看的网站:

作者最后表示,将在接下来的时间里对不同的主题进行扩充,包括:无监督学习、机器学习心态框架(如何像数据科学家一样思考)、使用 Pandas 进行数据处理和准备、特征选择、特色工程、扩展参数优化部分、Keras 库、TensorFlow 2.0、如何在 AWS、Azure 上部署模型等。

(本文为 AI科技大本营原创文章,转载请微信联系 1092722531)

推荐阅读更多精彩内容