PracticalAI：PyTorch官方推荐的Github超16K星深度学习实用教程

GitHub上面一位印度小哥Goku Mohandas发布了一个深度学习实践教程，叫PracticalAI，已经成为PyTorch官方推荐的最适合小白用户学习的教程，截止发文时已经收获16000多标星。

深度学习新手的福音

当下各种五花八门的深度学习教程非常多，很多新手往往困惑“我该从开始下手呢？”

PracticalAI为向往机器学习的小白们，指引了一条从零基础到老司机的进阶之路。新手可以从基础的基础开始学起，不止线性规划和随机森林，连notebook怎么用，NumPy等重要的Python库怎么用，都有手把手教程。而且连学习的顺序都设计好了。这一学习路线是很多前辈和Github用户共同贡献的结果，真实太贴心了！

PracticalAI官方网站和Github地址在文章最后，请留意！

通过这个教程进行系统地学习，可以你有能力使用机器学习从数据中获取有价值的见解。

使用 PyTorch 实现基本的机器学习算法和深度神经网络。

️ 不需要任何设置，在浏览器中使用 Google Colab 运行所有程序。

不仅仅是教程，而是学习产品级的面向对象机器学习编程。

即便不是新手，也可以学着搭个高级的RNN，厉害的GAN，这里还有许多实际应用示例可以跑。毕竟，这是一个注重实践的项目。

内容结构清晰，便于使用，并且持续更新

PracticalAI里面的内容，分为四个部分，并将持续更新：

• 背景基础 (Basics)，除了有Python指南、笔记本用法，以及Numpy、Pandas这些库的用法，还有线性规划、逻辑规划、随机森林、k-means聚类这些机器学习的基本技术。
• 深度学习入门 (Deep Learning) ，包括了PyTorch指南、多层感知器 (MLP) 、数据与模型、面向对象的机器学习、卷积神经网络 (CNN) 、嵌入，以及递归神经网络 (RNN) 。
• 深度学习高阶 (Advanced) ，会涉及更高级的RNN、自编码器、生成对抗网络 (GAN) ，以及空间变换网络 (Spatial Transformer Networks) 等等。
• 应用专题(Topics) ，计算机视觉是个重要的方向。除此之外，还会涉及时间序列分析 (Time Series Analysis) ，商品推荐系统，预训练语言模型，多任务学习，强化学习等等示例可以运行。也可以修改示例，写出自己的应用。

表格里的有些话题还没有加链接。那位印度小哥表示这些部分很快就会更新。

目前这个资源还在持续完善中，相信在Github上众多大神的帮助下，会变得越来越好用。

运行 Colab notebooks

（步骤几乎是针对Colab写的，在之前一片文章中介绍过Colab）

1. 在本项目的 notebooks 文件夹获取 notebook；
2. 你可以在 Google Colab（推荐）或本地电脑运行这些 notebook；
3. 点击一个 notebook，然后替换URL地址中 https://github.com/ 为 https://colab.research.google.com/github/ ，或者使用这个 Chrome扩展 一键完成；
4. 登录你自己的 Google 账户；
5. 点击工具栏上的 复制到云端硬盘，会在一个新的标签页打开 notebook；

1. 通过去掉标题中的副本完成 notebook 重命名；
2. 运行代码、修改等，所有这些都会自动保存到你的个人 Google Drive。

PracticalAI官方网站：https://goku.me/practicalAI

PracticalAI Github地址：https://github.com/GokuMohandas/practicalAI

文章来源: https://www.toutiao.com/group/6666422741085716995/