黄海广博士，手握 37000+Star，GitHub 全球排名 85！

作者：运筹OR帷幄

今天想跟大家推荐运筹OR帷幄的伙伴，常年游走于开源圈的机器学习博士：黄海广。

黄博在开源圈具体做了哪几件事呢？且听我细细道来。

开源「吴恩达机器学习」课程字幕

2014 年 12 月时，黄博发动几位博士来一起翻译《吴恩达机器学习》视频字幕，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。（目前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。）

此外，GitHub 里有离线视频下载，中英文字幕的。

https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

开源机器学习笔记

在学习机器学习课程时，黄博把笔记放到了 GitHub 上供开发者免费下载，总共被下载了几十万次，获得了 1.3w+ Star。

原课程的作业代码是 octave 的，现在几乎用不到了，他用 Python 复现了课程代码，并且公开了笔记的 word 和 markdown 版本。这其中的工作量不可谓不大。

以上所述的那些资料，也都放在 GitHub 上了：

https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

开源深度学习笔记

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，黄博组织了很多同学来一起编写，最后由整理成 word 和 markdown 文件，此外，黄博对 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。

笔记也免费放到了 GitHub 上，收获9.1kstar，并提供下载：

https://github.com/fengdu78/deeplearning_ai_books

开源统计学习方法的代码实现

在初学李航老师的《统计学习方法》过程中，为了方便大家学习，黄博把这本书用 Python 代码实现了，并放到了 GitHub 下载（差不多 9000 Star）：

https://github.com/fengdu78/lihang-code

开源数学基础翻译

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。

黄博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，黄博翻译了 CS229 线性代数部分，石振宇博士翻译完了概率论部分，制作后放在 GitHub 和百度云提供下载。

https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math

其他开源项目

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。

业内人士认为，这本书和代码是初学者入门深度学习及 Keras 最好的工具。

黄博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。

https://github.com/fengdu78/machine_learning_beginner/tree/master/deep-learning-with-python-notebooks

官方 PyTorch 简易入门教程

“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，黄博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

《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。

黄博在知名开源 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。

PS：这个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。

https://github.com/fengdu78/Data-Science-Notes/tree/master/9.feature-engineering

最后，放上黄博的个人 GitHub 地址，大家可前去参观学习：

https://github.com/fengdu78

过去一年，黄博也开始活跃在微信公众号平台，在上面坚持分享与机器学习相关的技术内容，干货多多，他的微信公众号机器学习初学者包含了以上内容的下载，还整理了一本AI小抄，非常适合在通勤路上用手机学习。

—— 完 ——

文章申明

Jan. 2020

文章作者：运筹OR帷幄

审核编辑：阿春

微信编辑：玖蓁