我决定写一篇我盼望已久的文章，为那些总是想要了解机器学习的人收集最好的资源。无论你是程序员还是经理，每个人都是如此。
让我们开始吧。
永远要记住:在机器学习的世界里，解决问题的方法从来不仅仅只有一种。总是有几种算法适合，你必须选择更适合的一种。当然，一切都可以通过神经网络来解决，但是谁来为所有这些GPU买单呢?
让我们从一个基本的概述开始:
图上有很多资源，而且信息量巨大。我们应该从哪里开始呢？别担心。
第一步:掌握机器学习
课程01：Andrew Ng的机器学习（课程）
所有的课程都是从基础开始教的，这使得这门课很容易上手。它仍然需要努力;但是，它会让你真正地自信并理解所涵盖的主题。更加数学化。
课程02:用python进行机器学习——从线性模型到深度学习(MIT 6.86x edX)(2019年版)
通过实际的Python项目，深入介绍机器学习领域，从线性模型到深入学习和强化学习。
完美的中级课程。
练习:练习技能的最佳场所
从这里开始！泰坦尼克号生存预测并熟悉ML基础知识。
第二步:掌握深度学习
课程01：Andrew Ng的深度学习专业化
深度学习专业化是由Andrew Ng博士创立的，他是人工智能领域的全球领导者，也是Coursera的联合创始人。
除了讲座和编程作业，你还将观看对许多深度学习领导者的独家采访。他们会和你分享他们的个人经历，并给你提供职业建议。
课程02:神经网络入门(YouTube)
这是一系列的视频，教你所有你可能想知道的关于神经网络的知识，从背后的数学到如何自己创建一个并使用它来解决你自己的问题!
可选:一些很棒的博客和书籍!
课程03:程序员的实践深度学习- Fast.ai
“我希望很多人能够意识到，即使他们不是斯坦福大学的深度学习博士，深度学习的最先进成果也是他们能够取得的成就。”——Jeremy Howard
课程04:向顶尖专业人士学习生产层面的深度学习
本课程包括:
-制定问题并估算项目成本。
-查找、清理、标记和扩充数据。
-选择合适的框架和计算基础设施。
-故障排除培训，确保重现性。
-按比例部署模型。
第三步:掌握强化学习
课程01:伦敦大学学院的强化学习课程
它是强化学习的最佳课程之一，它涵盖以下主题：
第一讲:强化学习概论
第二讲:马尔可夫决策过程
第三讲:动态规划
第四讲:无模型预测
第五讲:无模型控制
第六讲:值函数近似
第七讲:政策梯度法
第八讲:学习与计划的结合
第九讲:探索与开发
第十讲:案例研究:经典游戏中的强化学习
课程02：伯克利的深度强化学习训练营
这个训练营将通过讲座和动手实验课程的结合来教你深度强化学习的基础，因此你可以继续使用这些技术构建新的完美的应用程序，甚至可能推动算法的前沿。
课程03:David Silver的深度强化学习
在本教程中，David Silver将讨论强化学习（RL）如何与深度学习（DL）相结合。将DL和RL组合在一起有多种方法，包括基于价值，基于策略和基于模型的方法以及计划。其中一些方法具有众所周知的分歧问题，并将提出解决这些不稳定性的简单方法。
课程04:深度强化学习CS294-112
本课程将假定你对强化学习、数值优化和机器学习有一定的了解。这是强化学习的中级课程。
课程05：由OpenAI在深度强化学习中展开
这是OpenAI提供的一种教育资源，它使学习深度强化学习(deep RL)变得更容易。
课程06（可选）：由Arthur Juliani撰写的Tensorflow系列简单强化学习
这是一个完整的关于强化学习的博客系列，由Arthur以非常简单明了的方式涵盖了强化学习的所有基本要素。值得一读!
可选资源：https：//github.com/frontbench-open source / Data-Science-Free
你做到了!是的，即使没有博士学位你也已经掌握了一切!
本文由阿里云开发者社区组织翻译。
文章原标题《From Machine Learning to Reinforcement Learning Mastery》
作者：Shubham Kumar
译者：Viola
文章为简译，更为详细的内容，请查看原文
