本文用来记录自己走过的一些弯路和一些坑,仅用于娱乐
书籍篇
- 统计学习方法(完整看完了)
- 西瓜书(就翻了翻)
- 神经网络与深度学习(翻了几遍,写的过于简略了,用来了解DL面貌挺好)
- 深度学习花书(看完了前两部分)
- 机器学习实战蜥蜴书(刚开始看的,懵懵懂懂敲了SVM之前的)
- 数学之美(科普)
- Python数据科学手册(网上都有,没什么必要买)
- Pytorch深度学习实战(垃圾书)
- 深入浅出Pytorch(不如看官方文档)
- 机器学习的数学(有用,但是过于简略)
- 演化学习(还没看)
- PRML(考上研究生再说)
- 机器阅读理解(看了一部分,是NLP里的小方向,作者很厉害,挺好一本书)
- 机器学习算法竞赛实战(讲的还可以,但是书中代码过于混乱了,不知道怎么跟着敲)
- 知识图谱 - 方法,实践与应用(正在看,应该是本好书)
- 自然语言处理综述(自己打印的英文原版,大而全,想了解哪个方向看哪章即可)
- 动手学深度学习(第一版只有MXNet的代码遂吃灰,但是沐神的第二版加上还有讲课真的绝,最适合用来入门深度学习的书籍配套课程没有之一)
以上排名不分先后
总结:要我回到初学重新入门的话,我会选择优先看 统计学习方法(了解机器学习),神经网络与深度学习(了解深度学习),看沐神的动手学深度学习2(自己跑一些小demo),深度学习花书(加深对DL的理解,一些很深刻而简单的思想)
课程篇
- 机器学习 - Andrew Ng.(最简单友好的入门课程)
- 数据挖掘 - 清华大学袁博 (了解了最经典的机器学习和数据挖掘算法)
- CS231n - Feifei Li(入门CV,只看完了课,作业当时太难做不下)
- CS224n - Chris Manning (入门NLP,看了前一半)
- 动手学深度学习2 - 李沐(绝对的良心课程,最适合入门DL没有之一)
- 深度学习 - Andrew Ng. (很好的DL入门课程,深入浅出)
- 白板推导系列 (清华大佬手撸PRML,看了一部分,讲的很好)
- Hugging Face Course (抱抱脸的官方教程,教你怎么上手使用抱抱脸的全套工具来跑nlp模型)
- Pytorch 入门课程
总结:因为自己的原因大部分课程都没有完整的完成,最为推荐的是先看Ng的机器学习,然后看沐神的动手学深度学习,自己多敲一敲代码不理解的地方去认真细心看文档,多看看自然就会了,然后早点开始学抱抱脸的课程快速上手nlp,代码跑起来提起兴趣很重要,一直看书太枯燥
论文篇
以下几篇都是沐神视频带精读的,也是最重要的
- Transformer(神作,不用多说)
- Bert(同样是神作)
- GPT
- Vit
- MAE
老老实实敲代码,老实读论文,努力考研