黄海广:那些年做的学术公益——你不是一个人在战斗

来源:机器学习初学者

我叫黄海广,这篇文章主要写了我的学术公益之路。我希望初学者少踩一些坑,我也希望我能做个“雪中送炭”的人,希望越来越多的人加入到学术公益的道路上来。

2014年9月,我考上了博士,那时候已经36周岁7个月了,然后,第一次知道了“机器学习”,开始了学习之路。在学习的道路上,我踩了无数的坑,直到博三才感觉渐入佳境。我发现初学者最需要的是“雪中送炭”,而不是“锦上添花”。作为博士,要有社会责任感,我希望初学者少踩一些坑,我也希望我能做个“雪中送炭”的人。

一、学术作品

我的作品都比较简单,不需要太高知识水平,但是很少有人认真去做,或者坚持做下去,因为大部分人在学习过程中学会了,很少会把学习的东西重新整理分享给别人。做这些事情,需要专注和严谨。

我相信:赠人玫瑰,手有余香。

以下是几个学术公益作品,都是站在巨人的肩膀上完成的。

1.翻译吴恩达机器学习课程

2014年12月开始到mooc网上学堂学习机器学习课程,该课程内容非常不错,但好多视频没有中文字幕,我就发动几位博士来一起翻译字幕,我整理和翻译了大部分视频,并把视频和中英文字幕压制到mkv文件中去。(该视频字幕已经无偿送给网易云课堂:吴恩达机器学习课程,由他们进行润色,致谢里有我的名字。这个课程有好多个翻译版本,我的可能是最差的一个版本,但可能下载最多。)

这个视频可以上网易云课堂搜索“吴恩达机器学习”,目前是最受欢迎的机器学习课程,课程免费。

此外,我的github里有离线视频下载,中英文字幕的。

https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

2.机器学习笔记

在学习机器学习课程时,我发现看视频有点累,就边看边写笔记,大概写了三个月,写了差不多了,我在mooc学院发个帖子给大家下载。后来我也忘了发帖这个事情了,直到博二下学期有人发邮件告诉我链接失效了,我才发现笔记已经被下载了7000多次了,然后被百度云和谐了。我觉得笔记应该帮助了不少人,给了我继续修改完善笔记的动力,一直断断续续改了两年,期间收到几千封感谢邮件,后来我把笔记放到了github上提供下载,被下载了几十万次,获得11500+star。原课程的作业代码是octave的,现在几乎用不到了,我用python3.6复现了课程代码,并且公开了笔记的word和markdown版本。

图:四年来的笔记更新记录

以上资料都放在了我的github:

https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

3. 深度学习笔记

2017年8月,吴恩达老师推出了深度学习课(DeepLearning.ai),这门课是陆续推出的,我开始组织翻译课程,很多朋友加入义务翻译的队伍,翻译了第一门课之后,网易云课堂宣布他们得到授权翻译所有五门课程,我们就不再翻译了,开始编写这门课的笔记,我组织了很多同学来一起编写,最后由我来整理成word和markdown文件,那时候正好是写博士论文的时候,特别忙,但还是抽出时间来整理笔记。此外特别要感谢林兴木和祝彦森同学,他们提供了自己做笔记,我来修改整合。此外,我对DeepLearning.ai的课后测试题进行了翻译,建议初学者学习。所有题目都翻译完毕,适合英文不好的同学学习。

这个笔记相当详细,有700多页。

图:深度学习笔记打印后的效果

笔记放在github下载:

https://github.com/fengdu78/deeplearning_ai_books

为了宣传笔记,我把笔记放到了知乎,收到了6600多赞,并被各大人工智能方向的媒体广泛报道。

知乎链接:

https://zhuanlan.zhihu.com/p/35940466

4.统计学习方法的代码实现

我初学机器学习过程中,李航老师的《统计学习方法》给我极大的帮助,我试着从github搜索下载和自己修改代码,把这本书用python代码实现了,并放到了github下载(差不多7000star):

https://github.com/fengdu78/lihang-code

今年7月我参加机器之心举办的GMIS峰会,见到来了李航老师,加了微信,简单交流了下,我做的这个项目得到了李航老师的肯定,后来我邀请李航老师加入了我的博士微信群,李航老师热情应邀。

5.数学基础翻译

机器学习的基础是数学,数学内容真的太多,初学者根本学不完。

我把考研和考博的数学笔记中跟机器学习有关的部分做成了markdown文件,提供下载。

今年8月,我学习了Stanford cs229 manchine learning课程,相比于Coursera中的机器学习有更多的数学要求和公式的推导,课程全英文,基础材料部分还没有翻译。这个基础材料主要分为线性代数和概率论,而且针对机器学习课程做了优化,非常适合学习。我已经翻译了线性代数部分,石振宇博士翻译完了概率论部分,我修改制作后放在github和百度云提供下载。

数学基础的github:

https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math

6.其他

  • python深度学习代码注释翻译

《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例,步骤讲解详细透彻。

作者在github公布了代码,代码几乎囊括了本书所有知识点。在学习完本书后,读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。但是有一个小小的遗憾:代码的解释和注释是全英文的,即使英文水平较好的朋友看起来也很吃力。

本人认为,这本书和代码是初学者入门深度学习及Keras最好的工具。

我对全部代码做了中文解释和注释,并下载了代码所需要的一些数据集(尤其是“猫狗大战”数据集),并对其中一些图像进行了本地化,代码全部测试通过。

github地址:

https://github.com/fengdu78/machine_learning_beginner/tree/master/deep-learning-with-python-notebooks

  • 翻译官方PyTorch简易入门教程(PyTorch1.0版本)

“PyTorch 深度学习:60分钟快速入门”为PyTorch官网教程,网上已经有部分翻译作品,随着PyTorch1.0版本的公布,这个教程有较大的代码改动,我对教程进行重新翻译,并测试运行了官方代码,制作成Jupyter Notebook文件(中文注释)在github予以公布。

https://github.com/fengdu78/machine_learning_beginner/tree/master/PyTorch_beginner

  • 特征工程的宝典-《Feature Engineering for Machine Learning》翻译及代码实现

由O’Reilly Media,Inc.出版的《Feature Engineering for Machine Learning》(国内译作《精通特征工程》)一书,可以说是特征工程的宝典,我在知名开源apachecn组织翻译的英文版基础上,将原文修改成jupyter notebook格式,并增加和修改了部分代码,测试全部通过。这个资料可以说是特征工程的宝典,值得推荐。

翻译代码放在数据科学的github仓库提供下载,仓库地址:

https://github.com/fengdu78/Data-Science-Notes/tree/master/9.feature-engineering

备注:我们的翻译版本与人民邮电出版社出版的《精通特征工程》有所不同,属于独立完成。

我的学术作品大部分放在我的github(fengdu78),获得很多好评,star数累计达到28785,排在世界123名。

二、学术交流

1.交流群

我的qq和微信的机器学习爱好者朋友越来越多,我产生了建立机器学习交流群的想法。

2016年2月我建立了第一个qq群,群友是这么过来的:

  • 我的笔记上印了群号,通过群号搜索加入

  • 群内朋友介绍

  • 我发出邀请

qq群只有通过群号才能找到,因此加人比较精准,而且群实行实名制,群的质量和活跃度在相关领域处于top1%行列,群人数平稳增长,每天增加几十人,就这样过了三年半,现在已经有9个机器学习爱好者qq群了(7个2000群,2个3000群),群友慢慢成长起来,我见证了很多菜鸟到大牛的转变。

此外,我也建立了微信群,目前有8个微信群,其中一个群是人工智能博士群,有430多人,包括李航老师那样的大佬也在群里。

通过网上的交流,我认识了李航老师、徐亦达老师等业界大神,也认识了很多学术界和工业界、竞赛圈的大佬。

2.知乎和公众号

2017年底,我遇到了向老师,一位多次获得数据竞赛冠军的数据分析师,她推荐我注册了知乎(ID:黄海广),还介绍了很多数据竞赛的top选手给我认识。

我的知乎两年来,发了几十篇机器学习相关文章,粉丝达到20500多人。

在向老师指导下,2018年9月,我注册了公众号“机器学习初学者”,为机器学习爱好者提供学习的路线和基础资料,一年来粉丝达到31000人。

3.知识星球

由于各个群的人数有限,不同的群很难互通消息,而且群里讨论气氛热烈,群友的问题很容易被覆盖,不利于知识的沉淀。

有位同学给我提了一个建议,建立知识星球

他是个优秀的研究生,研二就获得了20万竞赛奖金,而且,现在研三开学,已经获得了多个大厂的offer。我相信缘分,他的名字叫黄海龙,非常亲切的感觉,于是我请他做了知识星球的合伙人。

关于知识星球是否收费,我们讨论了好久,后来决定象征性地收费,第一是作为星球的运营费用,如嘉宾的和优秀回答者的奖励,第二是保证了群友的质量,加入的人比较精准,知识星球从今年3月建立至今,吸引了4000多名爱好者加入,知识星球名称:黄博的机器学习圈子

其实,我们一直对优秀的爱好者免费,比如数据竞赛高手、博士等,目前星球是机器学习方向排名第一的星球。

4.线下交流

由于在不同的城市,我和机器学习爱好者的线下交流不是很多,但有机会一定会当面交流。

图:2018年12月,CCF BDCI决赛,沈阳,担任嘉宾,和数据竞赛大师撸串(左三)

图:2019年7月GMIS峰会,上海(C位)

5.学术公益合作

我和几个知名AI一直有合作,联合Datawhale,ApacheCN,AI 有道推出了完备的 AI 学习路线:内容涵盖 AI 入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿 Paper 和五大 AI 理论应用领域:自然语言处理,计算机视觉,推荐系统,风控模型和知识图谱,学习 AI 从入门到专家必备的学习路线和优质学习资源。

完备的 AI 学习路线,最详细的中英文资源整理:

https://zhuanlan.zhihu.com/p/64080846

结语

机器学习课程在国内还不够普及,大部分初学者还是很迷茫,走了很多弯路,我是一名博士,博士应该有社会责任感,希望能尽自己的微薄之力,为机器学习初学者“雪中送炭”。

庆幸的是,很多朋友加入了学术公益的行列,有萌新,也有百万年薪的大佬。

在学习的道路上,你不是一个人在战斗!

展开阅读全文
©️2020 CSDN 皮肤主题: 黑客帝国 设计师: 上身试试 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值