機器學習、深度學習的理論與實戰入門建議整理

目錄

引言

小結

階段三.實戰入門

　　
　　“實戰入門”並不是指從這裡才開始實戰，而是說到這個階段可以去網上找一些感興趣的開源專案玩一玩了。“開源”可以算是這個領域的一大特點了，從各個實驗室到各大公司，都有非常多的開源專案值得學習，而且更新速度特別快，比如11月才舉行的ECCV，部分已被錄用的論文的程式碼現在已經開源了。尋找開源專案的方法有很多，大致可通過這麼幾個渠道：

1.公眾號文章及微博的轉發

公眾號就是之前提到的那幾個，微博的話“愛可可愛生活”更新的很勤，仔細找找應該能找到些有趣的

2.關注某個實驗室或某個大牛的進展

許多在做著頂尖工作的實驗室或大牛每年都會更新若干篇頂會頂刊的文章，其中部分是有開原始碼的，關注那麼幾個感興趣或和自己的方向比較相關的，時不時刷一刷沒準會有些意外收穫喔。這裡推薦幾個，但相信一定還有許多許多有待發現的。

實驗室：

大牛：

這是王曉剛列出的幾個主要方向，各個方向下都有對應的paper和project，都是vision領域的，非常適合還不確定做哪個方向或尚不清楚有哪些方向的同學多看、多瞭解

Ross B. Girshick

3.project資源整合網站

4.推薦幾個值得一試的開源專案

小結

最好的學習方式：理論+實踐

最好的利用資源方式：不要急，一個一個來

　　這份學習建議的整理是希望你能從三個階段來入門並逐漸掌握機器學習與深度學習，但就如引言中所說的，可能你看完了以後腦海中還是沒有一條清晰的線，也就是“我現在要做什麼、下一步做什麼、然後呢···”，關於這個也許之後我會抽時間整理出一個step-by-step的學習建議。另外，在整理這份學習建議時還是有些倉促，再加上本人才疏學淺，有哪裡錯誤或不得當的地方也希望能得到各位前輩的批評與指正，謝謝。最後，如果您也也曾收藏過一些本文未提及的不錯的資源（入門或進階皆可），那就請您在評論裡和大家一起分享吧，學無止境，嗯，就醬！