你想学习机器学习吗？这里有一份机器学习实践教程 Practiacl AI 。

在GitHub（全球最大的同性（程序员）交友平台）上，它已经收获过万标星，这位“超人气选手”帮助了很多人的机器学习。

Practical AI 机器学习实践 是一份贯穿了机器学习起步到进阶的教程，从 Notebook 的使用说明开始，慢慢引入 Python 语法、常用包、各类算法、应用领域等，对于大部分正在探索机器学习的伙伴，这个专栏可以引导你从入门学到进阶。

小白用户不用担心基础薄弱，专栏不仅囊括 Python 语法、重要的 Package 、基础的机器学习算法等知识，手把手带你入门，甚至还教你 Notebook 的用法，可谓是“喂到嘴边”。

如果你早就跨过入门阶段，需要更深入地了解机器学习，专栏“重实践”的优点便显现出来了。 你可以直接找到需要强化的部分，在其中实践NLP、计算机视觉等项目，打磨实战技能。

该项目有以下几个特点：

• 注重实际应用

简单的理论集合意义不大，很多科学家已经将理论讲得很透彻了，而这个专栏，想面对的是实际应用问题，因此在课程设计上也有所侧重，带你接触真实场景下的项目。

• 课程设计科学，难度循序渐进

课程路线按照零基础——入门——进阶的顺序设计，难度梯度适中，能够适应大部分人的学习习惯；清晰的学习路径，也让用户能够迅速找到自己的位置，继续深入学习。

▍内容一览

内容

项目内容

1 Notebook 使用指南

2 Python 基础

3 Numpy基础/Pandas基础

4 线性回归/逻辑回归/随机森林

5 PyTorch 基础

6 多层感知机/数据和模型

7 面向对象的机器学习

8 卷积神经网络/NLP 中嵌入层的使用

9 递归神经网络/递归神经网络进阶

10 计算机视觉

此项目整体分为三个阶段。

基础阶段

这部分中，专栏提供了 Notebook 的使用指南，介绍如何通过简单的设置开始在线编程；接下来，就可以正式开启机器学习旅程了，用 Python 语法基础、机器学习常用的两个 package ：NumPy/Pandas 基础，还有几种基础算法：线性回归、逻辑回归等，通过这些简单的算法学习，打下机器学习基础，就可以步入进阶阶段了。

进阶阶段

这部分属于进阶机器学习课程，包括 PyTorch 框架介绍和经典的深度学习算法：多层感知机（MLP）、卷积神经网络（CNN）、递归神经网络（RNN）、词嵌入等。算法学习完成后，专栏介绍了两个较高层面的主题，分别是数据和模型的关系，以及面向对象的机器学习，让读者对如何利用这些算法有个基本理解。

深入阶段

学完这些算法，就开始进行深入学习了。它包括高级深度学习算法和计算机视觉。要把握这些课题，需要读者对问题本身有很好的理解，而不仅仅是在纸上学习。

有了这个教程，你还会觉得人工智能学不好吗？

需要机器学习的地址可以私信小编（学习）可免费获取教程哦