再也不用在学机器学习之前先恶补英语了，这儿有一套超热门的优质中文资源可以选择。
这套名叫AI Learning的GitHub资源，汇集了30多名贡献者的集体智慧，把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。
目前资源在GitHub上已经有一万颗Star，微博网友：好人一生平安。
事不宜迟，来看看这里面有啥。
从入门到大牛很多初学者都会遇到这样的问题：入门机器学习应该从哪里学起？
这些过来人表示，学习路径分三步，先学机器学习基础，然后攻克深度学习基础，最后学习自然语言处理（NLP）相关知识。贡献者表示：按照这个流程来学习，你可以当大牛。
在机器学习基础部分，贡献者给出的学习路线图是这样的：
机器学习基础
KNN近邻算法
决策树
朴素贝叶斯
逻辑回归
SVM支持向量机
集成方法
回归
树回归
K-Means聚类
利用Apriori算法进行关联分析
FP-growth高效发现频繁项集
利用PCA来简化数据
利用SVD来简化数据
大数据与MapReduce
推荐系统
在上面16个学习模块中，是知识点介绍、常用工具和实战项目等不同类型的学习资源的整合版。点进去就是具体学习资料，非常方便。
比如决策树模块，先介绍了概念与主要场景：
然后介绍了具体的项目案例和开发流程代码：
每个模块还有配套视频，一并服用效果更好：
即使以后出现了新的学习资源，这套方法论也可以用上。
深度学习基础部分在第一部分的基础上，继续扩展了反向传播、CNN原理、RNN原理和LSTM四个知识点：
每个知识点对应一个口碑介绍帖，内文图文并茂。
NLP内容的学习路径偏向于实际应用，在文本分类、语言建模、图像字幕、机器翻译、问答系统、语音识别、自动文摘7个领域极少，还一并放上了大量相关数据集：
省去了为找数据集跑断腿的烦恼。
机器学习零食库除了能get到完整学习路径持续通关，还能在里面找到人们机器学习资料“单品”。
有经典口碑英文视频吴恩达篇：
有入门专项训练篇等任君挑选：
