分享AI有道干货 | 126 篇 AI 原创文章精选（ML、DL、资源、教程）

一年多来，公众号【AI有道】已经发布了 140+ 的原创文章了。内容涉及林轩田机器学习课程笔记、吴恩达 deeplearning.ai 课程笔记、机器学习、深度学习、笔试面试题、资源教程等等。值得一提的是每篇文章都是我用心整理的，编者一贯坚持使用通俗形象的语言给我的读者朋友们讲解机器学习、深度学习的各个知识点。旨在给大家一份比较完备的学习路线和提升技巧。

今天，红色石头特此将以前所有的原创文章整理出来，组成一个比较合理、完整的机器学习、深度学习的学习路线图，希望能够帮助到大家。

如果有需要转载文章的其它号主，请扫描底部的二维码加AI有道微信联系开白！

林轩田机器学习基石笔记

【1】The Learning Problem（t.cn/EK2k10C）

【2】Learning to Answer Yes/No（t.cn/E9vEzJY）

【3】Types of Learning（t.cn/E9vEzNT）

【4】Feasibility of Learning（t.cn/E9vEzQG）

【5】Training versus Testing（t.cn/E9vEzgV）

【6】Theory of Generalization（t.cn/E9vEZ2W）

【7】The VC Dimension（t.cn/E9vEZx4）

【8】Noise and Error（t.cn/E9vEZNs）

【9】Linear Regression（t.cn/E9vEZrZ）

【10】Logistic Regression（t.cn/E9vEw7p）

【11】Linear Models for Classification（t.cn/E9vEw5T）

【12】Nonlinear Transformation（t.cn/E9vEwSR）

【13】Hazard of Overfitting（t.cn/E9vEwHh）

【14】Regularization（t.cn/E9vEweZ）

【15】Validation（t.cn/E9vEA2R）

【16】Three Learning Principles（t.cn/E9vEAf7）

林轩田机器学习技法笔记

【1】Linear Support Vector Machine（t.cn/E9vEANA）

【2】Dual Support Vector Machine（t.cn/E9vEArP）

【3】Kernel Support Vector Machine（t.cn/E9vE2Zw）

【4】Soft-Margin Support Vector Machine（t.cn/E9vE2mG）

【5】Kernel Logistic Regression（t.cn/E9vELPp）

【6】Support Vector Regression（t.cn/E9vELGi）

【7】Blending and Bagging（t.cn/E9vELJ3）

【8】Adaptive Boosting（t.cn/E9vELWH）

【9】Decision Tree（t.cn/E9vEL3d）

【10】Random Forest（t.cn/E9vEyvs）

【11】Gradient Boosted Decision Tree（t.cn/E9vEy4j）

【12】Neural Network（t.cn/E9vEyiU）

【13】Deep Learning（t.cn/E9vEypl）

【14】Radial Basis Function Network（t.cn/E9vEyEN）

【15】Matrix Factorization（t.cn/E9vEyFL）

【16】Finale（t.cn/E9vEUUy）

吴恩达深度学习专项课程笔记

神经网络与深度学习：

【1】深度学习概述（t.cn/E9vEUJY）

【2】神经网络基础之逻辑回归（t.cn/E9vEUWr）

【3】神经网络基础之Python与向量化（t.cn/E9vEU36）

【4】浅层神经网络（t.cn/E9vE4ze）

【5】深层神经网络（t.cn/E9vE4GG）

优化神经网络：

【1】深度学习的实用层面（t.cn/E9vE4J9）

【2】优化算法（t.cn/E9vE4Wb）

【3】超参数调试、Batch正则化和编程框架（t.cn/E9vE4Bm）

构建机器学习项目：

【1】机器学习策略（上）（t.cn/E9vEbzX）

【2】机器学习策略（下）（t.cn/E9vEbVi）

卷积神经网络CNN：

【1】卷积神经网络基础（t.cn/E9vEb9b）

【2】深度卷积模型：案例研究（t.cn/E9vEbnW）

【3】目标检测（t.cn/E9vEGzb）

【4】人脸识别与神经风格迁移（t.cn/E9vEGGZ）

序列模型RNN：

【1】循环神经网络（RNN）（t.cn/E9vEGxg）

【2】NLP和Word Embeddings（t.cn/E9vEGN4）

【3】序列模型和注意力机制（t.cn/E9vEGQ3）

机器学习各个击破

【1】机器学习中的维度灾难（t.cn/E9vEGru）

【2】简单的梯度下降算法，你真的懂了吗？（t.cn/E9vEqzn）

【3】一看就懂的感知机算法PLA（t.cn/E9vEqtb）

【4】优化线性感知机算法：Pocket PLA（t.cn/E9vEqoT）

【5】距离产生美？k近邻算法python实现（t.cn/E9vEqRa）

【6】基于线性SVM的CIFAR-10图像集分类（t.cn/E9vEqeV）

【7】通俗易懂！白话朴素贝叶斯（t.cn/EKLXjOn）

【8】划重点！十分钟掌握牛顿法凸优化（t.cn/E9vE5tD）

【9】简单的交叉熵损失函数，你真的懂了吗？（t.cn/EKLiopt）

【10】7 种回归方法！请务必掌握！（t.cn/E9vE5YB）

【11】机器学习中 L1 和 L2 正则化的直观解释（t.cn/E9vE5Dd）

【12】划重点！通俗解释协方差与相关系数（t.cn/E9vEt5d）

【13】如何让奇异值分解(SVD)变得不“奇异”？（t.cn/E9vEtCH）

【14】一份机器学习的自白书（t.cn/E9vEtEG）

【15】机器学习大牛如何选择回归损失函数？（t.cn/E9vECV9）

【16】机器学习必备的分类损失函数速查手册（t.cn/E9vEcGQ）

【17】【吐血整理】一份完备的集成学习手册！（t.cn/E9vEc6A）

【18】今日机器学习概念：感知机模型（t.cn/E9vEcWc）

【19】机器学习碎碎念：霍夫丁不等式（t.cn/E9vEc3o）

【20】机器学习实用指南：这些基础盲点请务必注意！（t.cn/E9vEVvh）

【21】2018 最好的机器学习实用指南书籍来了！（t.cn/E9vEV4L）

【22】重磅 | AI 圣经 PRML《模式识别与机器学习》官方开源了！（t.cn/E9vEVxz）

【23】干货 | 机器学习正在面临哪些主要挑战？（t.cn/E9vEVNB）

【24】我整理了 50 页 PPT 来解释 SVM（t.cn/E9vEVRG）

【25】机器学习实战指南：如何入手第一个机器学习项目？（t.cn/E9vEVeO）

【26】机器学习实用指南：如何从数据可视化中发现数据规律？（t.cn/E9vEfA9）

【27】超级实用！如何为机器学习算法准备数据？（t.cn/E9vEftY）

深度学习各个击破

【1】三分钟带你对 Softmax 划重点（t.cn/E9vEfSd）

【2】白话生成对抗网络 GAN！（t.cn/E9vEf87）【附源码】

【3】6 种激活函数核心知识点，请务必掌握！（t.cn/E9vEfdl）

【4】吴恩达《Machine Learning Yearning》中文版新鲜出炉！（t.cn/E9vEIhe）

【5】Python 深度学习，你的 Keras 准备好了吗？（t.cn/E9vEIUC）

笔试题精选

机器学习技法：

【1】机器学习笔试题精选（一）（t.cn/E9vEIX8）

【2】机器学习笔试题精选（二）（t.cn/E9vEIlk）

【3】机器学习笔试题精选（三）（t.cn/E9vEIBL）

【4】机器学习笔试精选题精选（四）（t.cn/E9vEM2m）

【5】机器学习笔试题精选（五）（t.cn/E9vEMV1）

【6】机器学习笔试题精选（六）（t.cn/E9vEMoh）

【7】](t.cn/E9vEMYi)[机器学习笔试题精选（七）（t.cn/E9vEMYi）

【8】长文！机器学习笔试精选 100 题（t.cn/E9vEM1O）

【9】200 道算法面试题集锦！Python 实现，含华为、BAT 等校招真题！（t.cn/E9vExvj）

资源、工具、教程

【1】Jupyter notebook入门教程（上）（t.cn/E9vEx4V）

【2】Jupyter notebook入门教程（下）（t.cn/E9vExMV）

【3】重磅！吴恩达深度学习又开新课啦！（t.cn/E9vExoX）

【4】我的机器学习入门路线图（t.cn/E9vExjq）

【5】我的深度学习入门路线（t.cn/E9vExmk）

【6】撒花！吴恩达《Machine Learning Yearning》完结！（t.cn/E9vEJvM）

【7】2018 NLP圣经《自然语言处理综述》最新手稿已经发布！（t.cn/EKLoW5a）

【8】Git 简洁教程：本地项目如何与 GitHub 互连？（t.cn/E9vEJK5）

【9】撒花！吴恩达《Machine Learning Yearning》中文版新鲜出炉！（t.cn/E9vEJRl）

【10】干货 | 谈谈我是如何入门这场 AI 大赛的（t.cn/E9vEJko）

【11】重磅 | 深度学习“四大名著”发布！爱可可推荐！（t.cn/E9vEi2X）

【12】致考研！谈谈我是如何考上北大的（t.cn/EKYtQVO）

【13】8K 星！这可能是最适合你的 TensorFlow 教程（t.cn/E9vEioy）

【14】火爆 GitHub 的《机器学习 100 天》，有人把它翻译成了中文版（t.cn/EKLouHE）

【15】OpenCV 机器视觉入门精选 100 题（附 Python 代码）（t.cn/E9vEidj）

【16】2019 深度学习框架大盘点！看 PyTorch、TensorFlow 如何强势上榜？（t.cn/E9vE6ze）

【17】51 个深度学习目标检测模型汇总，论文、源码一应俱全！（t.cn/E9vE65X）

【18】火爆 GitHub 的 16 张机器学习速查表，值得收藏！（t.cn/E9vE6Kt）

【19】重磅 | 19 页花书精髓笔记！你可能正需要这份知识清单（t.cn/E9vE68Z）

【20】这 28 张精炼图，将吴恩达的 deeplearning.ai 总结得恰到好处！（t.cn/E9vE6FL）

【21】10 门必修的机器学习名校公开课，旨在完善你的 AI 学习路线！（t.cn/E9vEXUv）

【22】重磅！PyTorch 中文手册已开源！理论、实践、应用都有了！（t.cn/EKLKpUf）

【23】3 个相见恨晚的 Google Colaboratory 奇技淫巧！（t.cn/E9vEXTv）

【24】吴恩达的 CS229，有人把它浓缩成 6 张中文速查表！（t.cn/E9vEXgQ）

【25】10 年深度学习顶级论文和代码精选，请务必收藏！（t.cn/EKL9Hww）

【26】6 个核心理念诠释了吴恩达新书《Machine Learning Yearning》（t.cn/E9vEai2）

【27】火爆网络的《神经网络与深度学习》，有人把它翻译成了中文版！（t.cn/E9vEalZ）

【28】10K+，深度学习论文、代码最全汇总！一键收藏（t.cn/E9vEa37）

【29】重磅！深度学习圣经“花书”核心笔记、代码发布（t.cn/E9vEShL）

【30】深度学习 500 问！一份火爆 GitHub 的面试手册（t.cn/E9vESGw）

【31】最新 | Python 官方中文文档正式发布！（t.cn/E9vESaZ）

【32】撒花！斯坦福深度学习最新视频发布，吴恩达主讲！（t.cn/E9vESYi）

【33】737 页《吴恩达深度学习核心笔记》发布，黄海广博士整理！（t.cn/E9vESrY）

【34】撒花！《神经网络与深度学习》中文教程正式开源！（t.cn/E9vEo2x）

【35】72 页 PPT，带你梳理神经网络完整架构（含 PyTorch 代码）（t.cn/EKLKUuW）

【36】重磅！66 个机器学习硬核资源，请务必收藏！（t.cn/E9vEooa）