人工智能算法工程师常用学习网站

  • 原创经验
  • |
  • 更新：
  • |

【导读】如今的样本输入可以是文本，图像或数字。深度学习紧随图像处理的潮流。即使到现在，这个概念已经成为“机器学习”。深度学习的算法主要是神经网络系列。介绍一些我经常访问的社区，论坛和网页：

分享如下：

  1. 1

    kaggle（http://www.kaggle.com）

    Google收购了全球最权威的机器学习竞赛。这些问题涵盖了传统的机器学习、 nlp、图像处理等，它们都是各行各业的实际问题。 Kaggle是世界上最好的ML社区之一。开放的数据集非常有用，非常适合新手。也有优秀的kaggler的工作机会。

    人工智能算法工程师常用学习网站

  2. 2

    github（http://www.github.com）

    全球最大的同性约会网站，适合于搜索项目，大型开源社区，每个人都可以看明星和问题〜

  3. 3

    StackOverFlow（http://www.stackoverflow.com）

    代码是错误的，无法找到它！所有与代码有关的陷阱，基本上人们已经踩到了

  4. 4

    CSV（http://www.csdn.net）

    博客最基础的聚会场所（最常查看的页面之一）通常用于搜索详细的知识点或代码错误

  5. 5

    sklearn（http://scikit-learn.org/stable）

    100年的专业机器学习！各种算法和技术的示例中（http://medium.com） 创始人是Twitter的创始人，并且尊重高质量的内容。许多国内AI公共大型运输机都来自这里。媒体中的每位作者都有自己独特的见解。值得学习和拓展视野。它需要科学的互联网访问。

  6. 6

    走向数据科学（http://towardsdatascience.com）

    就像媒介一样，需要科学才能上网

  7. 7

    谷歌AI博客（http://ai.googleblog.com）

    由Google的AI团队维护的博客每天至少更新一个技术博客。刚刚在上海开幕的Google开发者大会宣布，机器学习课程将免费开放。值得关注，毕竟它是一个人工智能巨人

注意事项

  • 虽然说了那么多，但还是要说请放弃海量资料！用多少，找多少就好了！（别把这句话当耳旁风。资料不在量多而在于内容是有质量保证的。很多课程或者公众号只管塞知识，你有疑问它也解答不了的时候，这样出来的效果不好，就像一个模型只管训练，却不验证，就是耍流氓。


作者声明：本篇经验系本人依照真实经历原创，未经许可，谢绝转载。

相关经验