1.个人简介

博客昵称：汀、人工智能
博客主页：https://blog.csdn.net/sinat_39620217?spm=1011.2124.3001.5343
个人简介：个人荣誉：百度飞桨深度学习技术专家（PPDE）、阿里云|腾讯云|华为云|专家博主、CSDN人工智能领域优秀创作者等、擅长机器学习、强化学习、数据挖掘以及NLP等领域相关知识，将不定期分享自己学习到的知识技能，感谢大家关注！

学习方向：【人工智能】（自然语言处理）（机器学习）（强化学习）

 

2.学习资料

2.1 <专栏>文字版资料

• 《数据挖掘-机器学习》专栏入门篇A系列，《数据挖掘-机器学习》专栏进阶篇B系列 https://blog.csdn.net/sinat_39620217/category_11338988.html
• 《label studio标注指南》专栏 ：https://blog.csdn.net/sinat_39620217/category_12228142.html
• 《NLP领域知识+项目+码源+方案设计》：https://blog.csdn.net/sinat_39620217/category_11810488.html
• 《知识图谱》：https://blog.csdn.net/sinat_39620217/category_11810485.html
• 《强化学习专栏》：https://blog.csdn.net/sinat_39620217/category_10672446.html
• 单智能体：https://blog.csdn.net/sinat_39620217/category_11224423.html
• 多智能体：https://blog.csdn.net/sinat_39620217/category_11224406.html
• 《图算法专栏》：https://blog.csdn.net/sinat_39620217/category_12092601.html

2.2 视频学习资料

开源资料（免费视频）适合喜欢看视频学习或者新入门的同学：

机器学习课程：机器学习入门课程：9个实践项目和9个综合项目构成。其中，实践项目分别对应线性回归、SVM分类、朴素贝叶斯分类、决策树分类、集成学习、聚类、DNN、CNN、RNN等知识原理

https://aistudio.baidu.com/aistudio/course/introduce/28160

• 李宏毅课程-机器学习：https://aistudio.baidu.com/aistudio/education/group/info/1978
• 李宏毅课程-机器学习进阶：https://aistudio.baidu.com/aistudio/education/group/info/1979

自然语言处理课程

• 李宏毅课程-人类语言处理：https://aistudio.baidu.com/aistudio/education/group/info/2060
• 自然语言处理（第三期公开课）：https://aistudio.baidu.com/aistudio/course/introduce/28019

强化学习课程：

• 李宏毅课程-强化学习：https://aistudio.baidu.com/aistudio/education/group/info/2062
• 强化学习入门课程：https://aistudio.baidu.com/aistudio/education/group/info/1335

扩展阅读：

• AI行业案例：https://aistudio.baidu.com/aistudio/course/list/1
• 零门槛搞懂基于大模型的AIGC应用及技术要点：https://aistudio.baidu.com/aistudio/course/introduce/26723

学习内容介绍

导师寄语：

本人最近打算整合ML、DRL、NLP等相关领域的体系化项目课程，方便入门同学快速掌握相关知识。声明：部分项目为网络经典项目方便大家快速学习，后续会不断增添实战环节（比赛、论文、现实应用等）。

• 对于机器学习这块规划为：基础入门机器学习算法--->简单项目实战--->数据建模比赛----->相关现实中应用场景问题解决。一条路线帮助大家学习，快速实战。
• 对于深度强化学习这块规划为：基础单智能算法教学（gym环境为主）---->主流多智能算法教学（gym环境为主）---->单智能多智能题实战（论文复现偏业务如：无人机优化调度、电力资源调度等项目应用）
• 自然语言处理相关规划：除了单点算法技术外，主要围绕知识图谱构建进行：信息抽取相关技术（含智能标注）--->知识融合---->知识推理---->图谱应用

上述对于你掌握后的期许：

1. 对于ML，希望你后续可以乱杀数学建模相关比赛（参加就获奖保底，top还是难的需要钻研）
2. 可以实际解决现实中一些优化调度问题，而非停留在gym环境下的一些游戏demo玩玩。（更深层次可能需要自己钻研了，难度还是很大的）
3. 掌握可知识图谱全流程构建其中各个重要环节算法，包含图数据库相关知识。

这三块领域耦合情况比较大，后续会通过比如：搜索推荐系统整个项目进行耦合，各项算法都会耦合在其中。举例：知识图谱就会用到（图算法、NLP、ML相关算法），搜索推荐系统（除了该领域召回粗排精排重排混排等算法外，还有强化学习、知识图谱等耦合在其中）。饼画的有点大，后面慢慢实现。

学习内容分级：（初级中级）

活动时间：持续四周，4.10-5.7

结束后社区内也会持续跟新项目实战