再也不用在学机器学习之前先恶补英语了，这儿有一套超热门的优质中文资源可以选择。
这套名叫AI Learning的GitHub资源，汇集了30多名贡献者的集体智慧，把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。
目前资源在GitHub上已经有一万颗Star，微博网友：好人一生平安。
事不宜迟，来看看这里面有啥。
从入门到大牛
很多初学者都会遇到这样的问题：入门机器学习应该从哪里学起？
这些过来人表示，学习路径分三步，先学机器学习基础，然后攻克深度学习基础，最后学习自然语言处理（NLP）相关知识。贡献者表示：按照这个流程来学习，你可以当大牛。
在机器学习基础部分，贡献者给出的学习路线图是这样的：
机器学习基础
KNN近邻算法
决策树
朴素贝叶斯
逻辑回归
SVM支持向量机
集成方法
回归
树回归
K-Means聚类
利用Apriori算法进行关联分析
FP-growth高效发现频繁项集
利用PCA来简化数据
利用SVD来简化数据
大数据与MapReduce
推荐系统
在上面16个学习模块中，是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料，非常方便。
比如决策树模块，先介绍了概念与主要场景：
然后介绍了具体的项目案例和开发流程代码：
每个模块还有配套视频，一并服用效果更好：
即使以后出现了新的学习资源，这套方法论也可以用上。
深度学习基础部分在第一部分的基础上，继续扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点：
每个知识点对应一个口碑介绍帖，内文图文并茂。
NLP内容的学习路径偏向于实际应用，在文本分类、语言建模、图像字幕、机器翻译、问答系统、语音识别、自动文摘7个领域极少，还一并放上了大量相关数据集：
省去了为找数据集跑断腿的烦恼。
机器学习零食库
除了能get到完整学习路径持续通关，还能在里面找到人们机器学习资料“单品”。
有经典口碑英文视频吴恩达篇：
有入门专项训练篇等任君挑选：
整理好的电子书，直接下载PDF即可使用：
最后，这个神奇的页面还自带贡献者们自己摸爬滚打的心路历程和学习建议。
看来这个资源，够你用很久了↓↓
传送门
GitHub地址：
https://github.com/apachecn/AiLearning
作者系网易新闻·网易号“各有态度”签约作者
推荐阅读
斯坦福2019强化学习课程完结，讲义、PPT、视频已提供下载
关于图书
《深度学习之TensorFlow：入门、原理与进阶实战》和《Python带我起飞——入门、进阶、商业实战》两本图书是代码医生团队精心编著的 AI入门与提高的精品图书。配套资源丰富：配套视频、QQ读者群、实例源码、 配套论坛：http://bbs.aianaconda.com 。更多请见：https://www.aianaconda.com
点击“阅读原文”进入大蛇智能鉴黄世界
本文分享自微信公众号 - 相约机器人（xiangyuejiqiren）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
