我叫黄海广，这篇文章主要写了我的学术公益之路。我希望初学者少踩一些坑，我也希望我能做个“雪中送炭”的人，希望越来越多的人加入到学术公益的道路上来。
2014年9月，我考上了博士，那时候已经36周岁7个月了，然后，第一次知道了“机器学习”，开始了学习之路。在学习的道路上，我踩了无数的坑，直到博三才感觉渐入佳境。我发现初学者最需要的是“雪中送炭”，而不是“锦上添花”。作为博士，要有社会责任感，我希望初学者少踩一些坑，我也希望我能做个“雪中送炭”的人。
一、学术作品
我的作品都比较简单，不需要太高知识水平，但是很少有人认真去做，或者坚持做下去，因为大部分人在学习过程中学会了，很少会把学习的东西重新整理分享给别人。做这些事情，需要专注和严谨。
我相信：赠人玫瑰，手有余香。
以下是几个学术公益作品，都是站在巨人的肩膀上完成的。
1.翻译吴恩达机器学习课程
2014年12月开始到mooc网上学堂学习机器学习课程，该课程内容非常不错，但好多视频没有中文字幕，我就发动几位博士来一起翻译字幕，我整理和翻译了大部分视频，并把视频和中英文字幕压制到mkv文件中去。（该视频字幕已经无偿送给网易云课堂：吴恩达机器学习课程，由他们进行润色，致谢里有我的名字。这个课程有好多个翻译版本，我的可能是最差的一个版本，但可能下载最多。）
这个视频可以上网易云课堂搜索“吴恩达机器学习”，目前是最受欢迎的机器学习课程，课程免费。
此外，我的github里有离线视频下载，中英文字幕的。
https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
2.机器学习笔记
在学习机器学习课程时，我发现看视频有点累，就边看边写笔记，大概写了三个月，写了差不多了，我在mooc学院发个帖子给大家下载。后来我也忘了发帖这个事情了，直到博二下学期有人发邮件告诉我链接失效了，我才发现笔记已经被下载了7000多次了，然后被百度云和谐了。我觉得笔记应该帮助了不少人，给了我继续修改完善笔记的动力，一直断断续续改了两年，期间收到几千封感谢邮件，后来我把笔记放到了github上提供下载，被下载了几十万次，获得11500+star。原课程的作业代码是octave的，现在几乎用不到了，我用python3.6复现了课程代码，并且公开了笔记的word和markdown版本。
图：四年来的笔记更新记录
以上资料都放在了我的github：
https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
3. 深度学习笔记
2017年8月，吴恩达老师推出了深度学习课（DeepLearning.ai），这门课是陆续推出的，我开始组织翻译课程，很多朋友加入义务翻译的队伍，翻译了第一门课之后，网易云课堂宣布他们得到授权翻译所有五门课程，我们就不再翻译了，开始编写这门课的笔记，我组织了很多同学来一起编写，最后由我来整理成word和markdown文件，那时候正好是写博士论文的时候，特别忙，但还是抽出时间来整理笔记。此外特别要感谢林兴木和祝彦森同学，他们提供了自己做笔记，我来修改整合。此外，我对DeepLearning.ai的课后测试题进行了翻译，建议初学者学习。所有题目都翻译完毕，适合英文不好的同学学习。
这个笔记相当详细，有700多页。
图：深度学习笔记打印后的效果
笔记放在github下载：
https://github.com/fengdu78/deeplearning_ai_books
为了宣传笔记，我把笔记放到了知乎，收到了6600多赞，并被各大人工智能方向的媒体广泛报道。
知乎链接：
https://zhuanlan.zhihu.com/p/35940466
4.统计学习方法的代码实现
我初学机器学习过程中，李航老师的《统计学习方法》给我极大的帮助，我试着从github搜索下载和自己修改代码，把这本书用python代码实现了，并放到了github下载（差不多7000star）：
https://github.com/fengdu78/lihang-code
今年7月我参加机器之心举办的GMIS峰会，见到来了李航老师，加了微信，简单交流了下，我做的这个项目得到了李航老师的肯定，后来我邀请李航老师加入了我的博士微信群，李航老师热情应邀。
5.数学基础翻译
机器学习的基础是数学，数学内容真的太多，初学者根本学不完。
我把考研和考博的数学笔记中跟机器学习有关的部分做成了markdown文件，提供下载。
今年8月，我学习了Stanford cs229 manchine learning课程，相比于Coursera中的机器学习有更多的数学要求和公式的推导，课程全英文，基础材料部分还没有翻译。这个基础材料主要分为线性代数和概率论，而且针对机器学习课程做了优化，非常适合学习。我已经翻译了线性代数部分，石振宇博士翻译完了概率论部分，我修改制作后放在github和百度云提供下载。
数学基础的github：
https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math
6.其他
- python深度学习代码注释翻译
《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。
作者在github公布了代码，代码几乎囊括了本书所有知识点。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。但是有一个小小的遗憾：代码的解释和注释是全英文的，即使英文水平较好的朋友看起来也很吃力。
本人认为，这本书和代码是初学者入门深度学习及Keras最好的工具。
我对全部代码做了中文解释和注释，并下载了代码所需要的一些数据集（尤其是“猫狗大战”数据集），并对其中一些图像进行了本地化，代码全部测试通过。
github地址：
翻译官方PyTorch简易入门教程（PyTorch1.0版本)
“PyTorch 深度学习:60分钟快速入门”为PyTorch官网教程，网上已经有部分翻译作品，随着PyTorch1.0版本的公布，这个教程有较大的代码改动，我对教程进行重新翻译，并测试运行了官方代码，制作成Jupyter Notebook文件（中文注释）在github予以公布。
https://github.com/fengdu78/machine_learning_beginner/tree/master/PyTorch_beginner
特征工程的宝典-《Feature Engineering for Machine Learning》翻译及代码实现
由O'Reilly Media,Inc.出版的《Feature Engineering for Machine Learning》（国内译作《精通特征工程》）一书，可以说是特征工程的宝典，我在知名开源apachecn组织翻译的英文版基础上，将原文修改成jupyter notebook格式，并增加和修改了部分代码，测试全部通过。这个资料可以说是特征工程的宝典，值得推荐。
翻译代码放在数据科学的github仓库提供下载，仓库地址：
https://github.com/fengdu78/Data-Science-Notes/tree/master/9.feature-engineering
备注：我们的翻译版本与人民邮电出版社出版的《精通特征工程》有所不同，属于独立完成。
我的学术作品大部分放在我的github（fengdu78），获得很多好评，star数累计达到28785，排在世界123名。
二、学术交流
1.交流群
我的qq和微信的机器学习爱好者朋友越来越多，我产生了建立机器学习交流群的想法。
2016年2月我建立了第一个qq群，群友是这么过来的：
- 我的笔记上印了群号，通过群号搜索加入
- 群内朋友介绍
- 我发出邀请
qq群只有通过群号才能找到，因此加人比较精准，而且群实行实名制，群的质量和活跃度在相关领域处于top1%行列，群人数平稳增长，每天增加几十人，就这样过了三年半，现在已经有9个机器学习爱好者qq群了（7个2000群，2个3000群），群友慢慢成长起来，我见证了很多菜鸟到大牛的转变。
此外，我也建立了微信群，目前有8个微信群，其中一个群是人工智能博士群，有430多人，包括李航老师那样的大佬也在群里。
通过网上的交流，我认识了李航老师、徐亦达老师等业界大神，也认识了很多学术界和工业界、竞赛圈的大佬。
2.知乎和公众号
2017年底，我遇到了向老师，一位多次获得数据竞赛冠军的数据分析师，她推荐我注册了知乎（ID：黄海广），还介绍了很多数据竞赛的top选手给我认识。
我的知乎两年来，发了几十篇机器学习相关文章，粉丝达到20500多人。
在向老师指导下，2018年9月，我注册了公众号“机器学习初学者”，为机器学习爱好者提供学习的路线和基础资料，一年来粉丝达到31000人。