Merge branch 'master' of gitee.com:pi-lab/machinelearning_notebook

README.md

@@ -1,8 +1,8 @@
 # 机器学习
 
-本教程主要讲解机器学习的基本原理与实现，通过本教程的引导来快速学习Python、Python常用库、机器学习的理论知识与实际编程，并学习如何解决实际问题。
+机器学习越来越多应用到飞行器、机器人等领域，其目的是利用计算机实现类似人类的智能，从而实现装备的智能化与无人化。本课程旨在引导学生掌握机器学习的基本知识、典型方法与技术，通过具体的应用案例激发学生对该学科的兴趣，鼓励学生能够从人工智能的角度来分析、解决飞行器、机器人所面临的问题和挑战。本课程主要内容包括Python编程基础，机器学习模型，无监督学习、监督学习、深度学习基础知识、实际编程，并学习如何解决实际问题。
 
-由于**本课程需要大量的编程练习才能取得比较好的学习效果**，因此需要认真去完成[作业和报告](https://gitee.com/pi-lab/machinelearning_homework)，写作业的过程可以查阅网上的资料，但是不能直接照抄，需要自己独立思考并独立写出代码。
+由于**本课程需要大量的编程练习才能取得比较好的学习效果**，因此需要认真去完成[《机器学习-作业和报告》](https://gitee.com/pi-lab/machinelearning_homework)，写作业的过程可以查阅网上的资料，但是不能直接照抄，需要自己独立思考并独立写出代码。
 
 ![Machine Learning Cover](images/machine_learning.png)
 
@@ -69,11 +69,15 @@
 
 
 ## 2. 学习的建议
-1. 为了更好的学习本课程，需要大家把Python编程的基础能力培养好，这样后续的机器学习方法学习才比较扎实。
-2. 每个课程前部分是理论基础，然后是代码实现。个人如果想学的更扎实，可以自己把各个方法的代码亲自实现一下。做的过程尽可能自己想解决办法，因为重要的学习目标不是代码本身，而是学会分析问题、解决问题的能力。
+1. 为了更好的学习本课程，需要大家把Python编程能力培养好，通过做一定数量的练习题、小项目培养Python编程思维，这样后续的机器学习理论与实践才能学的比较扎实。
+2. 每个课程前半部分是理论基础，后半部分是代码实现。如果想学的更扎实，可以自己把各个方法的代码亲自实现一下。做的过程尽可能自己想解决办法，因为最重要的目标不是代码本身，而是学会分析问题、解决问题的能力。
+3. **不能直接抄已有的程序，或者抄别人的程序**，如果自己不会要自己去想，去找解决方法，或者去问。如果直接抄别人的代码，这样的练习一点意义都没有。**如果感觉太难，可以做的慢一些，但是坚持自己思考、自己编写练习代码**。。
+4. **请先遍历一遍所有的文件夹，了解有什么内容，资料**。各个目录里有很多说明文档，如果不会先找找有没有文档，如果找不到合适的文档就去网上找找。通过这个过程锻炼自己搜索文献、资料的能力。
+5. 本课程的练习题最好使用[Linux](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)以及Linux下的工具来做。逼迫自己使用[Linux](https://gitee.com/pi-lab/learn_programming/blob/master/6_tools/linux)，只有多练、多用才能快速进步。如果实在太难，先在虚拟机里装一个Linux（例如Ubuntu，或者LinuxMint等），先熟悉一下。但是最终需要学会使用Linux。
 
 
-## 3. 其他参考资料
+
+## 3. 参考资料
 * 资料速查
   * [相关学习参考资料汇总](References.md)
   * [一些速查手册](tips/cheatsheet)
@@ -98,13 +102,12 @@
   * [Markdown——入门指南](https://www.jianshu.com/p/1e402922ee32)
 
 
-## 4. 相关学习资料参考
+
+## 4. 相关学习资料与参考
 
 在上述内容学习完成之后，可以进行更进一步机器学习、计算机视觉方面的学习与研究，具体的资料可以参考：
-1. [《一步一步学编程》](https://gitee.com/pi-lab/learn_programming)
-2. 智能系统实验室-培训教程与作业
+1. 编程是机器学习研究、实现过程非常重要的能力，编程能力弱则无法快速试错，导致研究进度缓慢；如果编程能力强，则可以快速试错，快速编写实验代码等。强烈建议大家在学习本课程之后或之中，好好把数据结构、算法等基本功锻炼一下。具体的教程可以参考[《一步一步学编程》](https://gitee.com/pi-lab/learn_programming)
+2. 智能系统实验室-培训教程与作业：这个教程是实验室积累的机器学习与计算机视觉方面的教程集合，每个课程介绍基本的原理、编程实现、应用方法等资料，可以作为快速入门的学习材料。
     - [《智能系统实验室-暑期培训教程》](https://gitee.com/pi-lab/SummerCamp)
     - [《智能系统实验室-暑期培训作业》](https://gitee.com/pi-lab/SummerCampHomework)
-3. [《智能系统实验室研究课题》](https://gitee.com/pi-lab/pilab_research_fields)
-4. [《编程代码参考、技巧集合》](https://gitee.com/pi-lab/code_cook)
-    - 可以在这个代码、技巧集合中找到某项功能的示例，从而加快自己代码的编写
+3. [《编程代码参考、技巧集合》](https://gitee.com/pi-lab/code_cook)：可以在这个代码、技巧集合中找到某项功能的示例，从而加快自己代码的编写

References.md

@@ -7,10 +7,14 @@
 
 ## References
 
+* 22 个神经网络结构设计/可视化工具
+	- https://www.toutiao.com/i6836884346155041292/
+	- https://github.com/ashishpatel26/Tools-to-Design-or-Visualize-Architecture-of-Neural-Network
+
 * CNN 可视化工具 https://m.toutiaocdn.com/group/6822123587156050435
 	- https://poloclub.github.io/cnn-explainer/
 	- https://github.com/poloclub/cnn-explainer
-
+	
 * 一款图像转卡通的Python项目，超级值得你练手
 	- https://www.toutiao.com/a6821299115175969287/
 	- https://github.com/minivision-ai/photo2cartoon

tips/python/README.md

@@ -1,7 +1,7 @@
 # Pyton技巧
 
 
-## Python的包管理工具: `pip`
+## 1. Python的包管理工具: `pip`
 由于python是模块化的开发，因此能够能够利用其他人写的现成的包来快速的完成特定的任务。为了加快包的安装，python有很多包管理的工具，其中`pip`是目前使用最多的包管理工具。
 
 * [pip的安装、使用等](pip.md)
@@ -9,7 +9,7 @@
 但是由于直接使用pip去访问国外的网站慢，所以需要设置好pip的镜像，从而加快包的安装
 
 
-## Python的虚拟环境： `virtualenv`
+## 2. Python的虚拟环境： `virtualenv`
 由于Python可以通过`pip`工具方便的安装包，因此极大的加快了程序编写的速度。但由于公开的包很多，不可避免的带来了包依赖导致的无法安装某些程序的问题。针对这个问题可以使用`docker`来构建一个隔离的环境来安装所需要的包，但有的时候还是希望在本机安装，因此需要使用`virtualenv`工具来安装虚拟的python环境。
 
 * [virtualenv的安装、使用](virtualenv.md)