摘要：貢獻者飛龍版本最近總是有人問我，把這些資料看完一遍要用多長時間，如果你一本書一本書看的話，的確要用很長時間。為了方便大家，我就把每本書的章節拆開，再按照知識點合并，手動整理了這個知識樹。

Special Sponsors

貢獻者：飛龍
版本：v1.0

最近總是有人問我，把 ApacheCN 這些資料看完一遍要用多長時間，如果你一本書一本書看的話，的確要用很長時間。但我覺得這是非常麻煩的，因為每本書的內容大部分是重復的，有些不重復的內容你也不好找。為了方便大家，我就把每本書的章節拆開，再按照知識點合并，手動整理了這個知識樹。大家可以按照知識點依次學習，如果理解了一個知識點，就沒必要看其余文章，直接跳到下一個就行了。

AILearning 第1章_基礎知識

CS229 中文筆記 一、引言

CS229 中文筆記 三、線性代數回顧

機器學習基石 1 -- The Learning Problem

機器學習基石 2 -- Learning to Answer Yes/No

機器學習基石 3 -- Types of Learning

機器學習基石 4 -- Feasibility of Learning

機器學習基石 6 -- Theory of Generalization

機器學習基石 7 -- The VC Dimension

機器學習基石 8 -- Noise and Error

機器學習基石 16 -- Three Learning Principles

寫給人類的機器學習 一、為什么機器學習重要

SciPyCon 2018 sklearn 教程 一、Python 機器學習簡介

SciPyCon 2018 sklearn 教程 二、Python 中的科學計算工具

SciPyCon 2018 sklearn 教程 九、sklearn 估計器接口回顧

SciPyCon 2018 sklearn 教程 十五、估計器流水線

數據科學和人工智能技術筆記 一、向量、矩陣和數組

Sklearn 學習指南 第一章：機器學習 - 溫和的介紹

AILearning 第5章_邏輯回歸

AILearning 第8章_回歸

CS229 中文筆記 二、單變量線性回歸

CS229 中文筆記 四、多變量線性回歸

CS229 中文筆記 六、邏輯回歸

DLAI 深度學習筆記 第一門課 第二周：神經網絡的編程基礎

機器學習基石 9 -- Linear Regression

機器學習基石 10 -- Logistic Regression

機器學習基石 11 -- Linear Models for Classification

機器學習基石 12 -- Nonlinear Transformation

機器學習技法 5 -- Kernel Logistic Regression

Scikit-learn 秘籍 第二章 處理線性模型

Scikit-learn 秘籍 第四章 使用 scikit-learn 對數據分類

PythonProgramming.net 系列教程 第一部分 回歸

寫給人類的機器學習 2.1 監督學習

寫給人類的機器學習 2.2 監督學習 II

Python 數據分析與挖掘實戰 第5章　挖掘建模

Python 數據分析與挖掘實戰 第13章　財政收入影響因素分析及預測模型

與 TensorFlow 的初次接觸 2. TensorFlow 中的線性回歸

SciPyCon 2018 sklearn 教程 五、監督學習第一部分：分類

SciPyCon 2018 sklearn 教程 六、監督學習第二部分：回歸分析

SciPyCon 2018 sklearn 教程 十七、深入：線性模型

數據科學和人工智能技術筆記 十一、線性回歸

數據科學和人工智能技術筆記 十二、邏輯回歸

Sklearn 學習指南 第二章：監督學習

AILearning 第3章_決策樹算法

AILearning 第9章_樹回歸

機器學習技法 9 -- Decision Tree

機器學習技法 10 -- Random Forest

Scikit-learn 秘籍 第四章 使用 scikit-learn 對數據分類

寫給人類的機器學習 2.3 監督學習 III

Python 數據分析與挖掘實戰 第5章　挖掘建模

Python 數據分析與挖掘實戰 第6章　電力竊漏電用戶自動識別

SciPyCon 2018 sklearn 教程 十八、深入：決策樹與森林

數據科學和人工智能技術筆記 十三、樹和森林

Sklearn 學習指南 第二章：監督學習

機器學習技法 11 -- Gradient Boosted Decision Tree

AILearning 第4章_樸素貝葉斯

Scikit-learn 秘籍 第四章 使用 scikit-learn 對數據分類

數據科學和人工智能技術筆記 十六、樸素貝葉斯

Sklearn 學習指南 第二章：監督學習

AILearning 第6章_支持向量機

AILearning 支持向量機的幾個通俗理解

CS229 中文筆記 十二、支持向量機

機器學習技法 1 -- Linear Support Vector Machine

機器學習技法 2 -- Dual Support Vector Machine

機器學習技法 3 -- Kernel Support Vector Machine

機器學習技法 4 -- Soft-Margin Support Vector Machine

機器學習技法 6 -- Support Vector Regression

Scikit-learn 秘籍 第四章 使用 scikit-learn 對數據分類

PythonProgramming.net 系列教程 第二部分 分類

寫給人類的機器學習 2.2 監督學習 II

Python 數據分析與挖掘實戰 第9章　基于水色圖像的水質評價

數據科學和人工智能技術筆記 十五、支持向量機

Sklearn 學習指南 第二章：監督學習

AILearning 第2章_K近鄰算法

Scikit-learn 秘籍 第三章 使用距離向量構建模型

PythonProgramming.net 系列教程 第二部分 分類

寫給人類的機器學習 2.3 監督學習 III

SciPyCon 2018 sklearn 教程 五、監督學習第一部分：分類

SciPyCon 2018 sklearn 教程 六、監督學習第二部分：回歸分析

數據科學和人工智能技術筆記 十四、K 最近鄰

AILearning 第10章_KMeans聚類

CS229 中文筆記 十三、聚類

Scikit-learn 秘籍 第三章 使用距離向量構建模型

PythonProgramming.net 系列教程 第三部分 聚類

寫給人類的機器學習 三、無監督學習

Python 數據分析與挖掘實戰 第5章　挖掘建模

Python 數據分析與挖掘實戰 第7章　航空公司客戶價值分析

Python 數據分析與挖掘實戰 第8章　中醫證型關聯規則挖掘

與 TensorFlow 的初次接觸 3. TensorFlow 中的聚類

SciPyCon 2018 sklearn 教程 八、無監督學習第二部分：聚類

TensorFlow 學習指南 三、學習

數據科學和人工智能技術筆記 十七、聚類

Sklearn 學習指南 第三章：無監督學習

PythonProgramming.net 系列教程 第三部分 聚類

數據科學和人工智能技術筆記 十七、聚類

Sklearn 學習指南 第三章：無監督學習

寫給人類的機器學習 三、無監督學習

Python 數據分析與挖掘實戰 第14章　基于基站定位數據的商圈分析

SciPyCon 2018 sklearn 教程 二十、無監督學習：層次和基于密度的聚類算法

數據科學和人工智能技術筆記 十七、聚類

Sklearn 學習指南 第三章：無監督學習

SciPyCon 2018 sklearn 教程 二十、無監督學習：層次和基于密度的聚類算法

數據科學和人工智能技術筆記 十七、聚類

Scikit-learn 秘籍 第三章 使用距離向量構建模型

Sklearn 學習指南 第三章：無監督學習

機器學習技法 7 -- Blending and Bagging

AILearning 第7章_集成方法

機器學習技法 8 -- Adaptive Boosting

AILearning 第13章_PCA降維

AILearning 第14章_SVD簡化數據

CS229 中文筆記 十四、降維

寫給人類的機器學習 三、無監督學習

SciPyCon 2018 sklearn 教程 七、無監督學習第一部分：變換

Sklearn 學習指南 第三章：無監督學習

Scikit-learn 秘籍 第四章 使用 scikit-learn 對數據分類

SciPyCon 2018 sklearn 教程 二十一、無監督學習：非線性降維

CS229 中文筆記 十五、異常檢測

SciPyCon 2018 sklearn 教程 二十二、無監督學習：異常檢測

AILearning 第11章_Apriori算法

AILearning 第12章_FP-growth算法

Python 數據分析與挖掘實戰 第5章　挖掘建模

Python 數據分析與挖掘實戰 第8章　中醫證型關聯規則挖掘

DLAI 深度學習筆記 第一門課 第一周：深度學習引言

與 TensorFlow 的初次接觸 1. TensorFlow 基礎知識

TensorFlow 學習指南 一、基礎

CS229 中文筆記 八、神經網絡：表述

CS229 中文筆記 九、神經網絡的學習

DLAI 深度學習筆記 第一門課 第三周：淺層神經網絡

DLAI 深度學習筆記 第一門課 第四周：深層神經網絡

機器學習技法 12 -- Neural Network

機器學習技法 13 -- Deep Learning

機器學習技法 14 -- Radial Basis Function Network

PythonProgramming.net 系列教程 第四部分 神經網絡

寫給人類的機器學習 四、神經網絡和深度學習

Python 數據分析與挖掘實戰 第5章　挖掘建模

Python 數據分析與挖掘實戰 第6章　電力竊漏電用戶自動識別

Python 數據分析與挖掘實戰 第10章　家用電器用戶行為分析與事件識別

Python 數據分析與挖掘實戰 第13章　財政收入影響因素分析及預測模型

與 TensorFlow 的初次接觸 4. TensorFlow 中的單層神經網絡

與 TensorFlow 的初次接觸 5. TensorFlow 中的多層神經網絡

TensorFlow Rager 教程 一、如何使用 TensorFlow Eager 構建簡單的神經網絡

數據科學和人工智能技術筆記 十八、Keras

DLAI 深度學習筆記 第四門課 第一周 卷積神經網絡

DLAI 深度學習筆記 第四門課 第二周 深度卷積網絡：實例探究

TensorFlow Rager 教程 七、使用 TensorFlow Eager 構建用于情感識別的卷積神經網絡（CNN）

DLAI 深度學習筆記 第五門課 第一周 循環序列模型

DLAI 深度學習筆記 第五門課 第三周 序列模型和注意力機制

TensorFlow Rager 教程 八、用于 TensorFlow Eager 序列分類的動態循壞神經網絡

TensorFlow Rager 教程 九、用于 TensorFlow Eager 時間序列回歸的遞歸神經網絡

第5章　挖掘建模

Python 數據分析與挖掘實戰 第11章　應用系統負載分析與磁盤容量預測

TensorFlow Rager 教程 九、用于 TensorFlow Eager 時間序列回歸的遞歸神經網絡

CS229 中文筆記 十八、應用實例：圖片文字識別

DLAI 深度學習筆記 第四門課 第三周 目標檢測

DLAI 深度學習筆記 第四門課 第四周 特殊應用：人臉識別和神經風格轉換

PythonProgramming.net 系列教程 圖像和視頻分析

PythonProgramming.net 系列教程 TensorFlow 目標檢測

數據科學和人工智能技術筆記 四、圖像預處理

圖嵌入綜述：問題，技術與應用 第一、二章

圖嵌入綜述：問題，技術與應用 第三章

圖嵌入綜述：問題，技術與應用 4.1 ~ 4.2

圖嵌入綜述：問題，技術與應用 4.3 ~ 4.7

圖嵌入綜述：問題，技術與應用 第五、六、七章

DLAI 深度學習筆記 第五門課 第二周 自然語言處理與詞嵌入

PythonProgramming.net 系列教程 自然語言處理教程

PythonProgramming.net 系列教程 TensorFlow 聊天機器人

Python 數據分析與挖掘實戰 第15章　電商產品評論數據情感分析

TensorFlow Rager 教程 七、使用 TensorFlow Eager 構建用于情感識別的卷積神經網絡（CNN）

TensorFlow Rager 教程 八、用于 TensorFlow Eager 序列分類的動態循壞神經網絡

SciPyCon 2018 sklearn 教程 十一、文本特征提取

SciPyCon 2018 sklearn 教程 十二、案例學習：用于 SMS 垃圾檢測的文本分類

SciPyCon 2018 sklearn 教程 二十三、核外學習 - 用于語義分析的大規模文本分類

數據科學和人工智能技術筆記 五、文本預處理

寫給人類的機器學習 五、強化學習

AILearning 第16章_推薦系統

CS229 中文筆記 十六、推薦系統

機器學習技法 15 -- Matrix Factorization

Python 數據分析與挖掘實戰 第12章　電子商務網站用戶行為分析及服務推薦

基于深度學習的推薦系統：綜述和新視角 第一、二章

基于深度學習的推薦系統：綜述和新視角 3.1 ~ 3.3

基于深度學習的推薦系統：綜述和新視角 3.4 ~ 3.11

Scikit-learn 秘籍 第一章 模型預處理

Python 數據分析與挖掘實戰 第3章　數據探索

Python 數據分析與挖掘實戰 第4章　數據預處理

TensorFlow Rager 教程 四、文本序列到 TFRecords

TensorFlow Rager 教程 五、如何將原始圖片數據轉換為 TFRecords

TensorFlow Rager 教程 六、如何使用 TensorFlow Eager 從 TFRecords 批量讀取數據

SciPyCon 2018 sklearn 教程 三、數據表示和可視化

SciPyCon 2018 sklearn 教程 七、無監督學習第一部分：變換

SciPyCon 2018 sklearn 教程 十、案例學習：泰坦尼克幸存者

SciPyCon 2018 sklearn 教程 十一、文本特征提取

SciPyCon 2018 sklearn 教程 十九、自動特征選擇

數據科學和人工智能技術筆記 二、數據準備

數據科學和人工智能技術筆記 三、數據預處理

數據科學和人工智能技術筆記 四、圖像預處理

數據科學和人工智能技術筆記 五、文本預處理

數據科學和人工智能技術筆記 六、日期時間預處理

數據科學和人工智能技術筆記 七、特征工程

數據科學和人工智能技術筆記 八、特征選擇

數據科學和人工智能技術筆記 十九、數據整理（上）

數據科學和人工智能技術筆記 十九、數據整理（下）

數據科學和人工智能技術筆記 二十、數據可視化

Sklearn 學習指南 第四章：高級功能

CS229 中文筆記 七、正則化

CS229 中文筆記 十、應用機器學習的建議

CS229 中文筆記 十一、機器學習系統的設計

DLAI 深度學習筆記 第二門課 第一周：深度學習的實用層面

DLAI 深度學習筆記 第二門課 第三周超參數調試，batch正則化和程序框架

DLAI 深度學習筆記 第三門課 第一周：機器學習策略（1）

DLAI 深度學習筆記 第三門課 第二周：機器學習策略（2）

機器學習基石 5 -- Training versus Testing

機器學習基石 13 -- Hazard of Overfitting

機器學習基石 14 -- Regularization

機器學習基石 15 -- Validation

Scikit-learn 秘籍 第二章 處理線性模型

Scikit-learn 秘籍 第五章 模型后處理

TensorFlow Rager 教程 二、在 Eager 模式中使用指標

SciPyCon 2018 sklearn 教程 四、訓練和測試數據

SciPyCon 2018 sklearn 教程 十三、交叉驗證和得分方法

SciPyCon 2018 sklearn 教程 十四、參數選擇、驗證和測試

SciPyCon 2018 sklearn 教程 十六、模型評估、得分指標和處理不平衡類別

TensorFlow 學習指南 二、線性模型

數據科學和人工智能技術筆記 九、模型驗證

數據科學和人工智能技術筆記 十、模型選擇

Sklearn 學習指南 第四章：高級功能

CS229 中文筆記 十七、大規模機器學習

DLAI 深度學習筆記 第一門課 第二周：優化算法

機器學習技法 16（完結） -- Finale

CS229 中文筆記 十九、總結

寫給人類的機器學習 六、最好的機器學習資源

與 TensorFlow 的初次接觸 6. 并行

TensorFlow Rager 教程 三、如何保存和恢復訓練模型

TensorFlow 學習指南 四、分布式

數據科學和人工智能技術筆記 二十一、統計學

我們是一個大型開源社區，旗下 QQ 群共 9000 余人，訂閱用戶至少一萬人。Github Star 數量超過 20k 個，在所有 Github 組織中排名前 200。網站日 uip 超過 4k，Alexa 排名的峰值為 20k。我們的核心成員擁有 CSDN 博客專家和簡書程序員優秀作者認證。我們與 Datawhale、AI 有道、黃海廣博士等國內知名開源組織和大 V 合作，組織公益性的翻譯活動、學習活動和比賽組隊活動。
與商業組織不同，我們并不會追逐熱點，或者唯利是圖。作為公益組織，我們將完成項目放在首要位置，并有足夠時間把項目打磨到極致。我們希望做出廣大 AI 愛好者真正需要的東西，打造真正有價值的長尾作品。

【導航】ibooker.org.cn

【歸檔】home.apachecn.org

【社區】bbs.apachecn.org

【Github】@ApacheCN

自媒體平臺

微博：@ApacheCN

知乎專欄：AILearning

公眾號：ApacheCN

CSDN | 博客園 | 簡書 | bilibili

We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!

合作 or 侵權，請聯系 | 請抄送一份到