为进入机器学习的大门扫清障碍，大步向前！

现在，不了解一些机器学习技能，可能都会觉得自己有些out了。但过去苦于没有数据、没有GPU，没有算法，很多感兴趣的朋友就望而却步了。今天就不同了，开放的数据比比皆是，算力也逐渐强大，还有数不清的线上课程资料。如果你想开启机器学习的大门，就和我们一起来看看这份丰富的资源清单吧！我们将从数据、算力、算法和在线教育等四个方面，为你进入机器学习的大门扫清障碍，大步向前！

数据

数据是算法的养料，可以说这一波深度学习的革命就来源于丰富的数据给予的充足养分，才滋养了人工智能再一次的蓬勃发展！

数据集嘛，图像、文本、语音，你想要的应该都能找到。包括图像领域著名的ImageNet，kitti等数据集

也包括推荐系统方面的IMDb和Million Song

还包括自然语言处理方面的MS MARCO datasets等等著名的数据。

Github上的小伙伴已经为我们准备好了一份数据大餐，如果你想要数据可以到这里尽情下载，除了深度学习数据外，还包括经济、医学、农业等等各个行业的丰富数据，总有一款适合你的兴趣。

https://github.com/awesomedata/awesome-public-datasets

如果这还嫌不够，Kaggle还有一些令人惊喜的优质数据集。

https://www.kaggle.com/datasets

这里有著名的鸢尾花数据集

也有精彩大片的数据集

还有可爱的小蘑菇，让机器学习看看能不能吃：

甚至还有美国大选的数据集：

无论是使用公开的数据集，还是通过Python从web上抓取数据，现在每个人都可以有机会访问高质量的数据集。当然，大型科技公司会把数据私有化以便从中挖掘出最大的价值，但却还有很多人不断的努力为世界创造出更多开放的优质数据，让初学者、工程师和数据科学家们都能利用这些数据训练模型、开启机器学习的大门。

计算

有了数据后要找地方进行计算也是个头疼的问题。虽然对于普通的机器学习问题来说，你的笔记本就能够搞定，但是对于深度学习任务或者大数据量的数据集，小本本的算力就捉襟见肘了。这时候，似乎只有眼馋别人实验室的GPU了。神经网络需要使用大规模并行计算，GPU非常适合这个工作。不幸的是，GPU还是比较贵的。

如果你的笔记本有可以使用的显卡，那就十分愉快啦。如果没有的话，可以考虑入手一块1050之类的入门版GPU来开启你的加速之旅，或者也可以通过亚马逊、谷歌、微软以及国内各家云服务厂商提供的GPU实例来进行计算，一顿饭钱就可以跑好长时间了。

当然，还有免费的午餐，谷歌的Colab和kaggle的kernel中，你可以申请开启GPU来运行自己的算法处理数据。更为方便的是，它们都是基于notebook的格式，使得程序的编写变得更加直观方便。

另外各大高校内一般都设有计算中心，校内价格也十分便宜，对于学生来说是一个不错的选择。

算法

有人说，算法是一种充满价值的商品，一个优秀的算法可能价值连城。幸运的是，机器学习领域已经建立了开源共享的良好文化。无论是在NIPS还是ICLR会议上，研究人员非常乐意分享他们成果。像Github和reddit一样的社区在源源不断地交流、碰撞出各种新思想和新方法，这里的代码可以作为你学习和研究的起点。

对于学术型的小伙伴来说，如果想跟上最新的研究，可以到Arxiv阅读最新的论文，几乎覆盖了全球范围内各个研究团队的最新研究结果。

教育

有了代码，也有了数据，有了计算能力，现在只需要学习如何使用它们。你可以从coursera上开始你的机器学习入门之旅，有包括吴恩达在内的名师指路，学习一定会有个好的开始。同时也可以在网站上找到各种优秀的机器学习入门书籍，深入学习后你会发现无穷的魅力！

同时网上丰富的视频教程也能让你学习到无数的实践、思想和机器学习的无数技巧~

是不是有点小激动呢？这是一个不可思议的时代。在这个飞速变化的时代里，机器学习可以帮助我们以另一种我们不擅长的方式理解这个世界。它可以帮助我们比以往更有效地创造和发现无数的新事物。现在我们获得了这种神力了，聪明的你一定会善加利用的！