必备推荐！Github上最值得收藏的12个机器学习教程

　　这两年机器学习风头正劲，有许多小伙伴会问：学习机器学习有什么好的工具吗？
　　我想说，要学习任何编程相关的东西，最好的老师必然就是在github了。
　　没有哪里会比github有更多的学习资源了！
　　我从Github的80多个优质机器学习项目中去芜存菁、优中取优，精选了12个最值得star的机器学习教程，在此分享一下。
　　点完收藏后一起来看看吧。
　　1。Python作者：TheAlgorithms项目名：Pythonstar：150000fork：38000watch：5900
　　这里汇聚了所有算法的Python实现，是一个python语言的算法合集，可以用于教学工作。
　　这里包括了搜索算法、排序算法、数据结构、机器学习、加密算法、神经网络等。
　　2。MLForBeginners作者：microsoft项目名：MLForBeginnersstar：43000fork：8600watch：804
　　从github的网址就能看出，这是一个微软公司开源的入门级机器学习教程，非常适合自学。
　　3。ailearning作者：apachecn项目名：ailearningstar：34000fork：11000watch：1700
　　ApacheCN制作的《机器学习实战》，有配套视频。
　　建议编码能力强的小伙伴观看《机器学习实战教学版》；编码能力有待提高的小伙伴观看《机器学习实战讨论版》。4。stanfordcs229machinelearning作者：afshinea项目名：stanfordcs229machinelearningstar：14000fork：3500watch：682
　　斯坦福的CS229教程讲义文档。
　　文档内容细致详实、条理清晰，是入门者必备的读书学习笔记。5。deeplearningforimageprocessing作者：WZMIAOMIAO项目名：deeplearningforimageprocessingstar：13000fork：5900watch：136
　　深度学习在图像处理方面的教程。项目以视频方式介绍相关知识点和模型搭建方法。
　　教程PTT在courseppt目录下。6。pytorchbook作者：chenyuntc项目名：pytorchbookstar：11000fork：3600watch：281
　　书籍《深度学习框架PyTorch入门与实践》的配套示例代码，本身也可以视为独立PyTorch入门教程指南。
　　内容结构如下图所示：
　　7。tutorials作者：MorvanZhou项目名：tutorialsstar：10000fork：5700watch：659
　　一个包含视频和文字的机器学习入门教程，十分详细。8。faceai作者：vipstone项目名：faceaistar：9900fork：2400watch：388
　　一个非常优秀的入门级AI项目，内容包括人脸识别、视频检测、文字识别等赛道。
　　具体内容包括人脸的检测、识别，轮廓标注，头像合成，表情识别，图片修复，自动上色等。
　　这个项目最大的特点是其详实的教程，把入门做到极致，手把手指导如何从0开始实现每个项目。
　　教程里不仅有上述各个功能的实现方案，还对关键代码进行了注释和解释，能够轻松阅读、学习以及使用。对于想要入门了解机器学习的小伙伴来说不容错过。
　　示例代码：TesseractOcr文字识别fromPILimportImageimportpytesseractpathimgtextimg。pngtextpytesseract。imagetostring（Image。open（path），langchisim）print（text）
　　9。spinningup作者：openai项目名：spinningupstar：7400fork：1800watch：207
　　OpenAI制作的教学资源，让深度强化学习变得容易。
　　OpenAI官方的项目，非常细致，内容浅显易懂，还提供了实战示例，是初学者和深层强化学习自学者很好的入门学习材料。10。TensorFlowWorld作者：astorfi项目名：TensorFlowWorldstar：4500fork：433watch：167
　　简单易用的TensorFlow教程。11。DeepLearningProject作者：SpandanMadan项目名：DeepLearningProjectstar：4400fork：642watch：199
　　哈佛大学开源的深度学习教程。12。awesomeautomlpapers作者：hibayesian项目名：awesomeautomlpapersstar：3600fork：680watch：225
　　项目汇集了自动机器学习（AutoML）相关的大部分论文、文章、教程等资源。
　　以上12个都是非常不错的学习机器学习的工具。
　　另外，再推荐一套机器学习的书《机器学习实战》，主要介绍了机器学习基础，包括了常见的K近邻、朴素贝叶斯、逻辑回归、支持向量机等算法。值得一提的是，它还有大量代码，非常实用，便于读者实践书中的知识。
　　有了工具，接下来就要花时间多看、多练了。
　　坚持是学会一项技能最好的工具。
　　关于以上项目，如果有任何疑问，欢迎大家在评论区留言交流。
　　结束语
　　我是老K玩代码，专注于编程开发的经验总结和项目分享，对编程有兴趣、正在学习编程的同学可以关注我。