差不多有一千人喜欢它！哈佛大学博士发布了大量资源，机器学习课程教程包含了所有的秘籍

差不多有一千人喜欢它！哈佛大学博士已经发布了许多资源，机器学习课程包含所有作弊。

Annie汇编

数量生产|公共号码QbitAI

对于机器/深度学习初学者来说，没有什么比“学习芝麻忘记西瓜”更令人沮丧了！

谷歌有相同的知识点135次，但似乎士兵们从未经历过这种情况，而且他们经常陷入“马冬梅困境”：

这里是文章图片\1_new.jpg

你不仅拥有这个困境，哈佛机器学习方向正在阅读博士Samuel Finlayson再也受不了了。

最近，Finlayson已经整合了一系列必要的机器学习和统计学习课程，包括开放课程，教科书，网民提供的教程以及行业博客。

一旦

列表发布，它就会在Twitter上获得很高的赞誉。

Finlayson说整套资源分为四类。

开放课程和教科书资源涵盖了广泛的内容，如数学，图形，机器学习，深度学习和强化学习。

完成一项完整的研究需要几周到几个月的时间。

这些大多是世界各地着名大学的开放课程。

他们可以在不出门的情况下与斯坦福大学，纽约大学和伯克利大学教授侃侃交谈。

这里是文章图片\3_new.jpg

开放课程和教科书资源不完全截图

当然?还包括吴恩达的CS229讲义，这是之前许多CS博主推动的。

教程和个人讲义主要来自网民提供的课程笔记，包括线性代数，概率和统计，贝叶斯机器学习等。

完成每个资源所需的时间来自可能需要数周的时间几个月。

Finlayson说这部分是他认为最好和最有趣的部分，我希望每个人都能做出贡献。

这里是文章图片\5_new.jpg

此外，如果您在期末附近查看并希望找到与知识点类似的内容，则可以转到备忘录列表中查找。

这个工具箱就像一个小副本可能在考试中。

帮助你几点。

除了这些系统的课程和讲义外，Finlayson还收集了许多杂项网站，包括一些机构和个人博客。

Finlayson表示，这些博客偶尔会发送一些内容，这些内容将会受到打击。

以下链接可以发送到此博客：

https://sgfin.github.io/learning-resources/

记住收集?