靈感來(lái)源于 谷歌面試學(xué)習(xí)手冊(cè)

• 原文地址：Machine Learning for Software Engineers
• 原文作者：ZuzooVn(Nam Vu)
• 翻譯：lsvih

這是？

這是本人為期數(shù)月的學(xué)習(xí)計(jì)劃旬蟋。我正要從一名移動(dòng)端軟件開發(fā)者(自學(xué)改基，無(wú)計(jì)科文憑)轉(zhuǎn)型成為一名機(jī)器學(xué)習(xí)工程師。

我的主要目標(biāo)是找到一種以實(shí)踐為主的學(xué)習(xí)方法咖为，并為初學(xué)者抽象掉大多數(shù)的數(shù)學(xué)概念秕狰。
這種學(xué)習(xí)方法是非傳統(tǒng)的，因?yàn)樗菍ｉT為軟件工程師所設(shè)計(jì)的自上而下躁染、以結(jié)果為導(dǎo)向的學(xué)習(xí)方法鸣哀。

如果您想讓它更好的話，隨時(shí)歡迎您的貢獻(xiàn)吞彤。

目錄

• 這是我衬？
• 為何要用到它？
• 如何使用它饰恕？
• Follow me
• 別認(rèn)為自己不夠聰明
• 關(guān)于視頻資源
• 預(yù)備知識(shí)
• 每日計(jì)劃
• 動(dòng)機(jī)
• 機(jī)器學(xué)習(xí)概論
• 掌握機(jī)器學(xué)習(xí)
• 有趣的機(jī)器學(xué)習(xí)
• 機(jī)器學(xué)習(xí)簡(jiǎn)介
• 一本深入的機(jī)器學(xué)習(xí)指南
• 故事與經(jīng)驗(yàn)
• 機(jī)器學(xué)習(xí)算法
• 入門書籍
• 實(shí)用書籍
• Kaggle知識(shí)競(jìng)賽
• 系列視頻
• MOOC
• 資源
• 成為一名開源貢獻(xiàn)者
• 游戲
• 播客
• 社區(qū)
• 相關(guān)會(huì)議
• 面試問(wèn)題
• 我崇拜的公司

為何要用到它挠羔？

我會(huì)為了我未來(lái)的工作————機(jī)器學(xué)習(xí)工程師 遵循這份計(jì)劃。自2011年以來(lái)埋嵌，我一直進(jìn)行著移動(dòng)端應(yīng)用的開發(fā)(包括安卓破加、iOS與黑莓)。我有軟件工程的文憑雹嗦，但沒(méi)有計(jì)算機(jī)科學(xué)的文憑范舀。我僅僅在大學(xué)的時(shí)候?qū)W習(xí)過(guò)一點(diǎn)基礎(chǔ)科學(xué)，包括微積分了罪、線性代數(shù)锭环、離散數(shù)學(xué)、概率論與統(tǒng)計(jì)泊藕。
我認(rèn)真思考過(guò)我在機(jī)器學(xué)習(xí)方面的興趣:

• 我能在沒(méi)有計(jì)科碩士辅辩、博士文憑的情況下找到一份關(guān)于機(jī)器學(xué)習(xí)的工作嗎？
  • "你當(dāng)然可以，但是我想進(jìn)入這個(gè)領(lǐng)域則無(wú)比艱難玫锋。" Drac Smith
• 我是一名軟件工程師蛾茉，我自學(xué)了機(jī)器學(xué)習(xí)，我如何在沒(méi)有相關(guān)經(jīng)驗(yàn)的情況下找到一份關(guān)于機(jī)器學(xué)習(xí)的工作景醇？
  • "我正在為我的團(tuán)隊(duì)招聘機(jī)器學(xué)習(xí)專家，但你的MOOC并不會(huì)給你帶來(lái)工作機(jī)會(huì)吝岭。事實(shí)上三痰，大多數(shù)機(jī)器學(xué)習(xí)方向的碩士也并不會(huì)得到工作機(jī)會(huì)，因?yàn)樗麄儯ㄅc大多數(shù)上過(guò)MOOC的人一樣）并沒(méi)有深入地去理解窜管。他們都沒(méi)法幫助我的團(tuán)隊(duì)解決問(wèn)題散劫。" Ross C. Taylor
• 找一份機(jī)器學(xué)習(xí)相關(guān)的工作需要掌握怎樣的技能？
  • "首先幕帆，你得有正兒八經(jīng)的計(jì)科或數(shù)學(xué)專業(yè)背景获搏。ML是一個(gè)比較先進(jìn)的課題，大多數(shù)的教材都會(huì)直接默認(rèn)你有以上背景失乾。其次常熙，機(jī)器學(xué)習(xí)是一個(gè)集成了許多子專業(yè)的奇技淫巧的課題，你甚至?xí)肟纯碝S的機(jī)器學(xué)習(xí)課程碱茁，去看看他們的授課裸卫、課程和教材。" Uri
  • "統(tǒng)計(jì)纽竣，假設(shè)墓贿，分布式計(jì)算，然后繼續(xù)統(tǒng)計(jì)蜓氨。" Hydrangea

我深陷困境聋袋。

據(jù)我所知, 機(jī)器學(xué)習(xí)有兩個(gè)方向：

• 實(shí)用機(jī)器學(xué)習(xí)： 這個(gè)方向主要是查詢數(shù)據(jù)庫(kù)、數(shù)據(jù)清洗穴吹、寫腳本來(lái)轉(zhuǎn)化數(shù)據(jù)幽勒，把算法和庫(kù)結(jié)合起來(lái)再加上一些定制化的代碼，從數(shù)據(jù)中擠出一些準(zhǔn)確的答案來(lái)證明一些困難且模糊不清的問(wèn)題港令。實(shí)際上它非炒停混亂。
• 理論機(jī)器學(xué)習(xí)： 這個(gè)方向主要是關(guān)于數(shù)學(xué)缠借、抽象干毅、理想狀況、極限條件泼返、典型例子以及一切可能的特征硝逢。這個(gè)方向十分的干凈、整潔，遠(yuǎn)離混亂的現(xiàn)實(shí)渠鸽。

我認(rèn)為對(duì)于以實(shí)踐為主的人來(lái)說(shuō)叫乌，做好的方法就是 “練習(xí)--學(xué)習(xí)--練習(xí)”，這意味著每個(gè)學(xué)生一開始就能參與一些現(xiàn)有項(xiàng)目與一些問(wèn)題徽缚，并練習(xí)（解決）它們以熟悉傳統(tǒng)的方法是怎么做的憨奸。在有了一些簡(jiǎn)單的練習(xí)經(jīng)驗(yàn)之后，他們就可以開始鉆進(jìn)書里去學(xué)習(xí)理論知識(shí)凿试。這些理論知識(shí)將幫助他們?cè)趯?lái)進(jìn)行更進(jìn)一步的訓(xùn)練排宰，充實(shí)他們解決實(shí)際問(wèn)題的工具箱。學(xué)習(xí)理論知識(shí)還會(huì)加深他們對(duì)那些簡(jiǎn)單練習(xí)的理解那婉，幫助他們更快地獲得進(jìn)階的經(jīng)驗(yàn)板甘。

這是一個(gè)很長(zhǎng)的計(jì)劃，它花去了我一年的時(shí)間详炬。如果你已經(jīng)對(duì)它有所了解了盐类，它將會(huì)讓你省去很多時(shí)間。

如何使用它呛谜？

以下的內(nèi)容全部是概要在跳，你需要從上往下來(lái)解決這些項(xiàng)目。

我使用的是Github獨(dú)特的flavored markdown的任務(wù)列表來(lái)檢查我計(jì)劃的進(jìn)展隐岛。

• [x] 創(chuàng)建一個(gè)新的分支硬毕，然后你可以這樣來(lái)標(biāo)出你已經(jīng)完成的項(xiàng)目，只需要在框中填寫一個(gè)x即可：[x]

了解更多有關(guān) Github-flavored markdown的知識(shí)

Follow me

我是一名非常非常想去美國(guó)工作的越南軟件工程師礼仗。

我在這份計(jì)劃中花多少時(shí)間吐咳？在每天的艱辛工作完成后，每晚花4小時(shí)元践。

我已經(jīng)在實(shí)現(xiàn)夢(mèng)想的旅途中了韭脊。

• Twitter: @Nam Vu

Nam Vu - Top-down learning path: machine learning for software engineers
USA as heck

別認(rèn)為自己不夠聰明

當(dāng)我打開書本，發(fā)現(xiàn)他們告訴我多元微積分单旁、統(tǒng)計(jì)與推理、線性代數(shù)是學(xué)習(xí)機(jī)器學(xué)習(xí)的先決條件的時(shí)候象浑，我非常沮喪蔫饰。因?yàn)槲也恢缽哪膬洪_始…

• 我數(shù)學(xué)不好怎么辦
• 沒(méi)有數(shù)學(xué)專業(yè)背景而理解機(jī)器學(xué)習(xí)算法的5種技巧
• 我是如何學(xué)習(xí)機(jī)器學(xué)習(xí)的？

關(guān)于視頻資源

部分視頻只有在Coursera愉豺、EdX的課程注冊(cè)了才能觀看篓吁。雖然它們是免費(fèi)的，但有些時(shí)間段這些課程并不開放蚪拦，你可能需要等上一段時(shí)間(可能是好幾個(gè)月)杖剪。我將會(huì)加上更多的公開的視頻源來(lái)代替這些在線課程的視頻冻押。我很喜歡大學(xué)的講座。

預(yù)備知識(shí)

這個(gè)小章節(jié)是一些在每日計(jì)劃開始前我想去了解的一些預(yù)備知識(shí)與一些有趣的信息盛嘿。

• [ ] Data Analytics洛巢，Data Analysis，數(shù)據(jù)挖掘次兆，數(shù)據(jù)科學(xué)稿茉，機(jī)器學(xué)習(xí)，大數(shù)據(jù)的區(qū)別是什么芥炭？
• [ ] 學(xué)習(xí)如何去學(xué)習(xí)
• [ ] 不要斬?cái)噫i鏈
• [ ] 如何自學(xué)

每日計(jì)劃

每個(gè)主題都不需要用一整天來(lái)完全理解它們漓库，你可以每天完成它們中的多個(gè)。

每天我都會(huì)從下面的列表中選一個(gè)出來(lái)蚤认，一遍又一遍的讀米苹，做筆記糕伐，練習(xí)砰琢，用Python或R語(yǔ)言實(shí)現(xiàn)它。

動(dòng)機(jī)

• [ ] 夢(mèng)

機(jī)器學(xué)習(xí)概論

• [ ] 形象的機(jī)器學(xué)習(xí)簡(jiǎn)介
• [ ] 一份溫柔的機(jī)器學(xué)習(xí)指南
• [ ] 為開發(fā)者準(zhǔn)備的機(jī)器學(xué)習(xí)簡(jiǎn)介
• [ ] 菜鳥的機(jī)器學(xué)習(xí)基礎(chǔ)
• [ ] 你如何向非計(jì)算機(jī)專業(yè)的人來(lái)解釋機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘良瞧？
• [ ] 在罩子下的機(jī)器學(xué)習(xí)陪汽，博文簡(jiǎn)單明了地介紹了機(jī)器學(xué)習(xí)的原理
• [ ] 機(jī)器學(xué)習(xí)是什么？它是如何工作的呢褥蚯？
• [ ] 深度學(xué)習(xí)——一份非技術(shù)性的簡(jiǎn)介

掌握機(jī)器學(xué)習(xí)

• [ ] 掌握機(jī)器學(xué)習(xí)的方法
• [ ] 程序員的機(jī)器學(xué)習(xí)
• [ ] 掌握并運(yùn)用機(jī)器學(xué)習(xí)
• [ ] Python機(jī)器學(xué)習(xí)小課程
• [ ] 機(jī)器學(xué)習(xí)算法小課程

有趣的機(jī)器學(xué)習(xí)

• [ ] 機(jī)器學(xué)習(xí)真有趣挚冤！
• [ ] Part 2: 使用機(jī)器學(xué)習(xí)來(lái)創(chuàng)造超級(jí)馬里奧的關(guān)卡
• [ ] Part 3: 深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)
• [ ] Part 4: 現(xiàn)代人臉識(shí)別與深度學(xué)習(xí)
• [ ] Part 5: 翻譯與深度學(xué)習(xí)和序列的魔力
• [ ] Part 6: 如何使用深度學(xué)習(xí)進(jìn)行語(yǔ)音識(shí)別
• [ ] Part 7: 使用生成式對(duì)抗網(wǎng)絡(luò)創(chuàng)造 8 像素藝術(shù)

機(jī)器學(xué)習(xí)簡(jiǎn)介(用手指沾上墨水來(lái)書寫機(jī)器學(xué)習(xí)簡(jiǎn)介)

• [ ] Part 1 : 什么是機(jī)器學(xué)習(xí)？
• [ ] Part 2 : 監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)

一本深入的機(jī)器學(xué)習(xí)指南

• [ ] 概述赞庶，目標(biāo)训挡，學(xué)習(xí)類型和算法
• [ ] 數(shù)據(jù)的選擇，準(zhǔn)備與建模
• [ ] 模型的評(píng)估歧强，驗(yàn)證澜薄，復(fù)雜性與改進(jìn)
• [ ] 模型性能與誤差分析
• [ ] 無(wú)監(jiān)督學(xué)習(xí)，相關(guān)領(lǐng)域與實(shí)踐中的機(jī)器學(xué)習(xí)

故事與經(jīng)驗(yàn)

• [ ] 一周的機(jī)器學(xué)習(xí)
• [ ] 一年的機(jī)器學(xué)習(xí)
• [ ] 我是如何在3天內(nèi)寫出我的第一個(gè)機(jī)器學(xué)習(xí)程序的
• [ ] 學(xué)習(xí)路徑：你成為機(jī)器學(xué)習(xí)專家的導(dǎo)師
• [ ] 不是PhD你也可以成為機(jī)器學(xué)習(xí)的搖滾明星
• [ ] 如何6個(gè)月成為一名數(shù)據(jù)科學(xué)家：一名黑客的職業(yè)規(guī)劃
  • 視頻
  • 幻燈片
• [ ] 5個(gè)你成為機(jī)器學(xué)習(xí)工程師必須要掌握的技能
• [ ] 你是一個(gè)自學(xué)成才的機(jī)器學(xué)習(xí)工程師嗎摊册？你是怎么做的肤京？花了多長(zhǎng)時(shí)間？
• [ ] 一個(gè)人如何成為一名優(yōu)秀的機(jī)器學(xué)習(xí)工程師茅特？
• [ ] 一個(gè)專注于機(jī)器學(xué)習(xí)的學(xué)術(shù)假期

機(jī)器學(xué)習(xí)算法

• [ ] 用“士兵”來(lái)表示10種機(jī)器學(xué)習(xí)算法
• [ ] Top10的數(shù)據(jù)挖掘算法
• [ ] 介紹10種機(jī)器學(xué)習(xí)的術(shù)語(yǔ)
• [ ] 機(jī)器學(xué)習(xí)算法之旅
• [ ] 機(jī)器學(xué)習(xí)工程師需要知道的10種算法
• [ ] 比較監(jiān)督學(xué)習(xí)算法
• 收集的最簡(jiǎn)化忘分、可執(zhí)行的機(jī)器學(xué)習(xí)算法

入門書籍

• [ ] 《Data Smart: Using Data Science to Transform Information into Insight》第 1 版
• [ ] 《Data Science for Business: What you need to know about data mining and data analytic-thinking》
• [ ] 《Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die》

實(shí)用書籍

• [ ] Hacker 的機(jī)器學(xué)習(xí)
  • GitHub repository(R)
  • GitHub repository(Python)
• [ ] Python 機(jī)器學(xué)習(xí)
  • GitHub repository
• [ ] 集體智慧編程: 創(chuàng)建智能 Web 2.0 應(yīng)用
• [ ] 機(jī)器學(xué)習(xí): 算法視角，第二版
  • GitHub repository
  • Resource repository
• [ ] Python 機(jī)器學(xué)習(xí)簡(jiǎn)介: 數(shù)據(jù)科學(xué)家指南
  • GitHub repository
• [ ] 數(shù)據(jù)挖掘: 機(jī)器學(xué)習(xí)工具與技術(shù)實(shí)踐白修，第 3 版
  • Teaching material
    • 1-5 章幻燈片(zip)
    • 6-8 章幻燈片(zip)
• [ ] Machine Learning in Action
  • GitHub repository
• [ ] Reactive Machine Learning Systems(MEAP)
  • GitHub repository
• [ ] An Introduction to Statistical Learning
  • GitHub repository(R)
  • GitHub repository(Python)
  • 視頻
• [ ] 使用 Python 構(gòu)建機(jī)器學(xué)習(xí)系統(tǒng)
  • GitHub repository
• [ ] 學(xué)習(xí) scikit-learn: 用 Python 進(jìn)行機(jī)器學(xué)習(xí)
  • GitHub repository
• [ ] Probabilistic Programming & Bayesian Methods for Hackers
• [ ] Probabilistic Graphical Models: Principles and Techniques
• [ ] Machine Learning: Hands-On for Developers and Technical Professionals
  • Machine Learning Hands-On for Developers and Technical Professionals review
  • GitHub repository
• [ ] 從數(shù)據(jù)中學(xué)習(xí)
  • 在線教程
• [ ] 強(qiáng)化學(xué)習(xí)——簡(jiǎn)介(第 2 版)
  • GitHub repository
• [ ] 使用TensorFlow(MEAP)進(jìn)行機(jī)器學(xué)習(xí)
  • GitHub repository

Kaggle知識(shí)競(jìng)賽

• [ ] Kaggle競(jìng)賽：怎么樣妒峦，在哪里開始？
• [ ] 一個(gè)初學(xué)者如何用一個(gè)小項(xiàng)目在機(jī)器學(xué)習(xí)入門并在Kaggle競(jìng)爭(zhēng)
• [ ] 如何競(jìng)爭(zhēng)Kaggle的Master

系列視頻

• [ ] Machine Learning for Hackers
• [ ] Fresh Machine Learning
• [ ] Josh Gordon 的機(jī)器學(xué)習(xí)菜譜
• [ ] 在 30 分鐘以內(nèi)了解機(jī)器學(xué)習(xí)的一切
• [ ] 一份友好的機(jī)器學(xué)習(xí)簡(jiǎn)介
• [ ] Nuts and Bolts of Applying Deep Learning - Andrew Ng
• [ ] BigML Webinar
  • 視頻
  • 資源
• [ ] mathematicalmonk's Machine Learning tutorials
• [ ] Machine learning in Python with scikit-learn
  • GitHub repository
  • 博客
• [ ] 播放清單 - YouTuBe 上最熱門的機(jī)器學(xué)習(xí)兵睛、神經(jīng)網(wǎng)絡(luò)舟山、深度學(xué)習(xí)視頻
• [ ] 16 個(gè)必看的機(jī)器學(xué)習(xí)教程
• [ ] DeepLearning.TV
• [ ] Learning To See
• [ ] 神經(jīng)網(wǎng)絡(luò)課程 - Université de Sherbrooke
• [ ] 2016年的21個(gè)深度學(xué)習(xí)視頻課程
• [ ] 2016年的30個(gè)頂級(jí)的機(jī)器學(xué)習(xí)與人工智能視頻教程 Top Videos, Tutorials & Courses on Machine Learning & Artificial Intelligence from 2016
• [ ] 程序員的深度學(xué)習(xí)實(shí)戰(zhàn)

MOOC

• [ ] edX 的人工智能導(dǎo)論
• [ ] Udacity的機(jī)器學(xué)習(xí)導(dǎo)論
  • 復(fù)習(xí)Udacity機(jī)器學(xué)習(xí)導(dǎo)論
• [ ] Udacity的監(jiān)督學(xué)習(xí)绸狐、非監(jiān)督學(xué)習(xí)及深入
• [ ] Machine Learning Foundations: A Case Study Approach
• [ ] Coursera的機(jī)器學(xué)習(xí)
  • 視頻
  • 復(fù)習(xí)Coursera機(jī)器學(xué)習(xí)
  • Coursera的機(jī)器學(xué)習(xí)路線圖
• [ ] 機(jī)器學(xué)習(xí)提純
• [ ] BigML training
• [ ] Coursera的神經(jīng)網(wǎng)絡(luò)課程
  • 由Geoffrey Hinton（神經(jīng)網(wǎng)絡(luò)的先驅(qū)）執(zhí)教
• [ ] 使用TensorFlow創(chuàng)建深度學(xué)習(xí)應(yīng)用
• [ ] 描述統(tǒng)計(jì)學(xué)概論
• [ ] 推理統(tǒng)計(jì)學(xué)概論
• [ ] 6.S094: 自動(dòng)駕駛的深度學(xué)習(xí)
• [ ] 6.S191: 深度學(xué)習(xí)簡(jiǎn)介
• [ ] Coursera 深度學(xué)習(xí)教程

資源

• [ ] 一個(gè)月學(xué)會(huì)機(jī)器學(xué)習(xí)
• [ ] 一份“非技術(shù)性”的機(jī)器學(xué)習(xí)與人工智能指南
• [ ] Google機(jī)器學(xué)習(xí)工程師最佳實(shí)踐教程
• [ ] Hacker News的《軟件工程師的機(jī)器學(xué)習(xí)》
• [ ] 開發(fā)者的機(jī)器學(xué)習(xí)
• [ ] 為人類????準(zhǔn)備的機(jī)器學(xué)習(xí)
• [ ] 給開發(fā)者的關(guān)于機(jī)器學(xué)習(xí)的建議
• [ ] 機(jī)器學(xué)習(xí)入門
• [ ] 為新手準(zhǔn)備的機(jī)器學(xué)習(xí)入門教程
• [ ] 初學(xué)者如何自學(xué)機(jī)器學(xué)習(xí)
• [ ] 機(jī)器學(xué)習(xí)自學(xué)資源
• [ ] 提升你的機(jī)器學(xué)習(xí)技能
• [ ] 一份'坦誠(chéng)'的機(jī)器學(xué)習(xí)指南
• [ ] 用機(jī)器學(xué)習(xí)讓Hacker News更具可讀性
  • 視頻
  • 幻燈片
• [ ] 深入機(jī)器學(xué)習(xí)
• [ ] 軟件工程師的{機(jī)器、深度}學(xué)習(xí)
• [ ] 深度學(xué)習(xí)入門
• [ ] 深度學(xué)習(xí)基礎(chǔ)
• [ ] 機(jī)器學(xué)習(xí)思維導(dǎo)圖/小抄
• 大學(xué)中的機(jī)器學(xué)習(xí)課程
  • [ ] 斯坦福
  • [ ] 機(jī)器學(xué)習(xí)夏令營(yíng)
  • [ ] 牛津
  • [ ] 劍橋
• Flipboard的主題
  • 機(jī)器學(xué)習(xí)
  • 深度學(xué)習(xí)
  • 人工智能
• Medium的主題
  • 機(jī)器學(xué)習(xí)
  • 深度學(xué)習(xí)
  • 人工智能
• 每月文章Top10
  • 機(jī)器學(xué)習(xí)
    • 2016年7月
    • 2016年8月
    • 2016年9月
    • 2016年10月
    • 2016年11月
    • 2016年
  • 算法
    • 2016年9月
    • 2016年10月-11月
• 全面的數(shù)據(jù)科學(xué)家的資源
• DigitalMind的人工智能資源
• 令人驚嘆的機(jī)器學(xué)習(xí)
• CreativeAi的機(jī)器學(xué)習(xí)

成為一名開源貢獻(xiàn)者

• [ ] tensorflow/magenta: Magenta: 用機(jī)器智能生成音樂(lè)與藝術(shù)
• [ ] tensorflow/tensorflow: 使用數(shù)據(jù)流圖進(jìn)行計(jì)算進(jìn)行可擴(kuò)展的機(jī)器學(xué)習(xí)
• [ ] cmusatyalab/openface: 使用深層神經(jīng)網(wǎng)絡(luò)進(jìn)行面部識(shí)別
• [ ] tensorflow/models/syntaxnet: 神經(jīng)網(wǎng)絡(luò)模型語(yǔ)法

游戲

• Halite：AI編程游戲
• Vindinium: 挑戰(zhàn)AI編程
• Video Game AI比賽
• 憤怒的小鳥AI比賽
• The AI Games
• Fighting Game AI Competition
• CodeCup
• 星際爭(zhēng)霸AI學(xué)生錦標(biāo)賽
• AIIDE星際爭(zhēng)霸AI競(jìng)賽
• CIG星際爭(zhēng)霸AI競(jìng)賽
• CodinGame - AI Bot Games

播客

• 適合初學(xué)者的播客：

  • Talking Machines
  • Linear Digressions
  • Data Skeptic
  • This Week in Machine Learning & AI

• “更多”進(jìn)階的播客：

  • Partially Derivative
  • O’Reilly Data Show
  • Not So Standard Deviation

• 盒子外的播客：

  • Data Stories

社區(qū)

• Quora

  • 機(jī)器學(xué)習(xí)
  • 統(tǒng)計(jì)學(xué)
  • 數(shù)據(jù)挖掘

• Reddit

  • 機(jī)器學(xué)習(xí)
  • 計(jì)算機(jī)視覺(jué)
  • 自然語(yǔ)言處理
  • 數(shù)據(jù)科學(xué)
  • 大數(shù)據(jù)
  • 統(tǒng)計(jì)學(xué)

• Data Tau

• Deep Learning News

• KDnuggets

相關(guān)會(huì)議

• (NIPS)
• (ICLR)
• (AAAI)
• (IEEE CIG)
• (IEEE ICMLA)
• (ICML)

面試問(wèn)題

• [ ] 如何準(zhǔn)備機(jī)器學(xué)習(xí)職位的面試
• [ ] 40個(gè)機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)的面試問(wèn)題
• [ ] 21個(gè)必須要知道的數(shù)據(jù)科學(xué)問(wèn)題與回答
• [ ] Top 50 機(jī)器學(xué)習(xí)面試問(wèn)題與回答
• [ ] 機(jī)器學(xué)習(xí)面試問(wèn)題
• [ ] 常用的機(jī)器學(xué)習(xí)面試問(wèn)題
• [ ] 機(jī)器學(xué)習(xí)面試問(wèn)題有哪些相同的累盗？
• [ ] 什么是評(píng)價(jià)一個(gè)機(jī)器學(xué)習(xí)研究者的最好的問(wèn)題寒矿？
• [ ] 機(jī)器學(xué)習(xí)面試問(wèn)題大搜集
• [ ] 121個(gè)需要掌握的問(wèn)題與回答

我崇拜的公司

• [ ] ELSA - 你虛擬的口語(yǔ)教練