# AILearners

**Repository Path**: lizhigen/AILearners

## Basic Information

- **Project Name**: AILearners
- **Description**: 机器学习、深度学习、自然语言处理、计算机视觉、各种算法等AI领域相关技术的路线、教程、干货分享。笔记有：机器学习实战、剑指Offer、cs231n、cs131、吴恩达机器学习、cs224n、python自然语言处理实战
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 5
- **Forks**: 2
- **Created**: 2021-12-07
- **Last Updated**: 2025-11-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# <p align="center">AIMI-CN 推荐AI学习路线以及课程笔记</p>


## 组织介绍：

我们是一群爱好AI学习的爱好者！在这里我们一起学习、互相督促、一起装逼~   
我们更新的一些AI相关的笔记~ 包括算法、机器学习、深度学习、自然语言处理，之后也会更新更多的笔记让大家一起学习~

**AIMI-CN AI学习交流群(里面有各种AI相关的资源)【1015286623】<a target="_blank" href="//shang.qq.com/wpa/qunwpa?idkey=e0babfbb0e942a7ab871c51a13436fb5689aa4b0d8776641c8ba996d84c53385"><img border="0" src="img/otherImages/group.png" alt="AI~AIMICN" title="AI~AIMICN"></a>**

**我们的公众号也会时不时的推送各种干货等你来关注~**

**搜索微信公众号：'AI-ming3526'或者'计算机视觉这件小事' 获取更多AI方向机器学习资源干货**

<div align=center><img width = '258' height ='258' src =img/otherImages/qrcode.jpg/></div>

# 我们的学习笔记(涉及算法、机器学习、深度学习、NLP等方向)

## 一、算法方向

## 1、算法与人生 [@bidongqinxian](https://github.com/bidongqinxian)

为你学习机器学习开头指引明路~

[详细文章地址](https://github.com/aimi-cn/AILearners/tree/master/blog/Algorithm)

[源码地址](https://github.com/aimi-cn/AILearners/tree/master/blog/src/py2.x/algorithm)

## 2、剑指Offer算法习题详细解析 [@xiaoming3526](https://github.com/xiaoming3526)

牛客网上刷《剑指Offer》的刷题笔记，旨在提升我们算法能力~

[详细文章地址](https://github.com/aimi-cn/AILearners/tree/master/blog/Algorithm/jianzhi_offer)

[csdn地址](https://blog.csdn.net/baidu_31657889/article/category/9059648)

## 二、机器学习方向

## 1、吴恩达老师机器学习笔记[@JermaineZ](https://github.com/JermaineZ)  [@niuhongying](https://github.com/niuhongying)  [@liuxinyi222](https://github.com/liuxinyi222)
为你打开机器学习的大门~  

[**详细的笔记地址**](https://github.com/aimi-cn/AILearners/tree/master/blog/ml/ml_wnd)

## 2、《机器学习实战》课程及代码详细解析、书籍、数据集下载 [@Fermin](https://github.com/xiaoming3526)

让你用代码来体验机器学习~

[**课程详细笔记地址**](https://github.com/aimi-cn/AILearners/tree/master/blog/ml/jqxxsz)

[机器学习实战书籍](https://github.com/aimi-cn/AILearners/tree/master/books)

[源码和数据集下载](https://github.com/aimi-cn/AILearners/tree/master/data/ml/jqxxsz/sourceData)


## 3、《机器学习》周志华西瓜书笔记[待定]()

## 三、深度学习方向

## 斯坦福cs231n 面向视觉识别的卷积神经网络课程笔记[@5people]()

详细介绍什么是神经网络、CNN、RNN、GAN~

[**详细的笔记地址**](https://github.com/aimi-cn/AILearners/tree/master/blog/dl/cs231n)

## 四、自然语言处理NLP方向

## 1、斯坦福cs224n **2019** 基于深度学习的NLP 课程笔记、课后作业、学习资料 [@Guokaijie](https://github.com/abc907558136) 

我们一起学习最前沿的NLP知识~

[cs224n课程详细笔记](https://github.com/aimi-cn/AILearners/tree/master/blog/nlp/cs224n)   

[cs224n学习资料](https://pan.baidu.com/s/1ADcGT4sljV1lYPWNhFXs2Q )	 提取码：e234  

[youtube视频链接](https://www.youtube.com/watch?v=8rXD5-xhemo&list=PLoROMvodv4rOhcuXMZkNm7j3fVwBBY42z&index=1)	国内可以在B站找到

## 2、python自然语言处理实战书籍代码笔记[@changan](https://github.com/stuchangan)

在实战代码中学习NLP~

[详细笔记地址](https://github.com/aimi-cn/AILearners/tree/master/blog/nlp/NLP-Core%20Technology%20And%20Algorithm%20With%20Python) 

[代码以及书籍下载地址](https://github.com/aimi-cn/AILearners/tree/master/data/nlp/NLP-Core%20Technology%20And%20Algorithm%20With%20Python)


# AIMI-CN推荐AI学习路线：机器学习、深度学习、NLP等推荐的学习资料以及学习方向

观看先决条件：  
**选择，方法，坚持**  
我们都知道现在资源是非常非常的多 我们首先选择一份真正适合自己的资料，然后用适合自己的方法来学习~最后最重要的就是坚持！！！

转载一个非常牛的几个组织整理出来的AI学习路线 [重磅 | 完备的 AI 学习路线，最详细的资源整理！](https://github.com/apachecn/ai-roadmap/blob/master/ai-union-201904/README.md)

# 一、机器学习

## 机器学习建议

学习机器学习需要一定的数学基础，但是仅仅是一点数学基础，不要被这些吓坏了，各位都是大佬，拿起键盘就是干。

我就根据自己的一点点经验来分析一下应该怎么学----

首先需要的是两个放弃：

## 1. 放弃海量资料！

没错，就是放弃海量资料！在我们想要入门机器学习的时候，往往会搜集很多资料，什么 xx学院机器学习内部资源、机器学习从入门到进阶百 G 资源、xx 人工智能教程，等等。很多时候我们拿着十几 G、几百 G 的学习资源，然后踏踏实实地放到了某云盘里存着，等着日后慢慢学习。殊不知，有 90% 的人仅仅只是搜集资料、保存资料而已，放在云盘里一年半载也忘了打开学习。躺在云盘的资料很多时候只是大多数人“以后好好学习”的自我安慰和“自我”安全感而已。而且，面对海量的学习资料，很容易陷入到一种迷茫的状态，最直接的感觉就是：天啊，有这么多东西要学！天啊，还有这么多东西没学！简单来说，就是选择越多，越容易让人陷入无从选择的困境。

所以，第一步就是要放弃海量资料！而是选择一份真正适合自己的资料，好好研读下去！

## 2. 放弃从零起步！

说到入门，很多人会想着那就要从最基础的知识开始学起！机器学习是一门融合概率论、线性代数、凸优化、计算机、神经科学等多方面的复杂技术。学好机器学习需要的理论知识很多，有些人可能基础不是特别扎实，就想着从最底层的知识开始学起，概率论、线性代数、机器学习凸优化公式推导，等等。但是这样做的坏处是比较耗时间，而且容易造成“懈怠学习”，打消学习的积极性。因为啃书本和推导公式相对来说是比较枯燥的，远不如自己搭建一个简单的回归模型更能激发自己的学习积极性。当然，不是说不需要钻研基础知识，基础理论知识非常重要！只是说，在入门的时候，最好先从顶层框架上有个系统的认识，然后再从实践到理论，有的放矢的查缺补漏机器学习知识点。从宏观到微观，从整体到细节，更有利于机器学习快速入门！而且从学习的积极性来说，也起到了“正反馈”的作用。

## 3、机器学习入门学习路线

好了，谈完了机器学习入门之前的两个“放弃”之后，我们就在介绍一下入门路线。

### 3.1 数学基础

个人认为首先需要的数学基础：概率论、矩阵论以及微积分。没有也不要紧，边看边学，看到不会的查一下就行了。

> 【免费】数学教学视频 - 可汗学院 入门篇

| 概率                                                         | 统计                                                         | 线性代数                                                     |
| ------------------------------------------------------------ | ------------------------------------------------------------ | ------------------------------------------------------------ |
| [可汗学院(概率)](http://open.163.com/special/Khan/probability.html) | [可汗学院(统计学)](http://open.163.com/special/Khan/khstatistics.html) | [可汗学院(线性代数)](http://open.163.com/special/Khan/linearalgebra.html) |

### 3.2、然后就是机器学习基础了 

##### 吴恩达老师的视频毫无疑问是经典 

> 【免费】机器/深度学习视频 - 吴恩达

| 机器学习                                                     | 深度学习                                                     |
| ------------------------------------------------------------ | ------------------------------------------------------------ |
| [吴恩达机器学习](http://study.163.com/course/courseMain.htm?courseId=1004570029) | [神经网络和深度学习](http://mooc.study.163.com/course/2001281002?tid=2001392029) |

然后推荐一个比较偏向基础的 国内一群大佬录得机器学习视频 比吴恩达老师的稍微好懂点

> 机器学习实战-ApacheCN 中文开源组织 
>
> 大致内容就是带着学习了《机器学习实战》这本书来做的

[机器学习实战书籍](https://github.com/aimi-cn/AILearners/tree/master/books)

[机器学习实战视频](http://i.youku.com/apachecn)

### 3.3、进阶

基本上完成上述课程就算是入门了。接下来可以根据自己的兴趣和方向，有的放矢。例如主攻 CV 方向，可以继续学习斯坦福 CS231n 课程：

[CS231n: Convolutional Neural Networks for Visual Recognition](http://cs231n.stanford.edu/)

如果主攻 NLP 方向可以学习斯坦福 CS224n 课程：

[CS224n: Natural Language Processing with Deep Learning](http://web.stanford.edu/class/cs224n/)

当然，台大李宏毅的课程也很不错：

[Hung-yi Lee](http://speech.ee.ntu.edu.tw/~tlkagk/courses.html)

当然这些国内都会有对应大佬有视频的翻译(b站) 感兴趣的自己找找	

# 二、NLP学习

现在市面上有很多介绍自然语言处理技术的书，网上也有很多关于NLP的学习课程和网站。但经过调研，发现斯坦福的cs224n：深度学习的自然语言处理，受到了广大NLP爱好者的青睐。但是，据我们所知，还没有发现有一个关于2019最新cs224n课程的中文学习笔记。所以，为了使大家更好地入门NLP科研，我们在此和大家分享我们的学习心得，希望可以和大家一起学习。

## 学习内容

自然语言处理（NLP）是信息时代最重要的技术之一，也是人工智能的关键部分。NLP的应用无处不在，因为人们几乎用语言进行交流：网络搜索，广告，电子邮件，客户服务，语言翻译，医学报告等。近年来，深度学习方法在许多不同的NLP任务中获得了非常高的性能，使用单个端到端神经模型，不需要传统的，任务特定的特征工程。2019年课程较之以往，主要有两点区别。一是使用PyTorch而不是TensorFlow，二是课程安排更加紧密。通过该课程的学习，大家将学习、实施和理解他们自己的神经网络模型所需的技能。

## 先决条件

1.了解python基本用法

2.了解基本的微积分、线性代数和概率统计内容

3.对机器学习有一定的认识

4.对NLP学习有着浓厚的兴趣爱好

**但是，我们不需要从零基础开始学习，这样会降低我们对学习的兴趣。所以，我们只要在学习的过程中不断弥补自身先决条件的不足，这样一定可以走进NLP学习的大门。**


## 免责声明 - 【只供学习参考】

- 本项目纯粹出于学习目的


**组织logo：**  
<div align=center><img width = '468' height ='169' src =img/otherImages/AIMI-logo.png/></div>