項目名稱：kjaisingh/high-school-guide-to-machine-learning
內容導引
作者以學習的先後順序羅列了不需要學習線代、先導數等數學概念的機器學習知識。但這並不意味著學習機器學習將非常簡單。首先，數學對於機器學習非常的重要，數學知識的應用在機器學習中可以說是全方位的、且非常深度的數學知識。但文中提到的來自澳大利亞的團隊好像解決了如何使人能理解演算法的功能而不用到大學數學知識。
作者為學習機器學習制定了一個有效且完整的學習路線，並不僅限於高中生，因為它介紹的知識同樣是最先進的。總體來說，作者將學習步驟分為了這幾個方面來介紹：
1、學習所需要的基礎技能：主要為python以及一些相關語法
2、作者學習的經歷及建議
3、這點也是這篇文章最主要的部分，介紹網路上的優質資源以及他們的用法(可以說是非常全面了)：常用庫Numpy，Pandas和Matplotlib以及演算法和機器學習課程
4、介紹機器學習的主要方向：計算機視覺、強化學習等等都有介紹
5、如何去理解機器學習：聽TED會談等等
從作者的github項目中，我們可以看見作者在對自己的學習成果應用的不斷嘗試：
安全帽檢測器
https://github.com/kjaisingh/hardhat-detector
一個通過深度學習判斷一個工人是否戴著安全帽的腳本，初衷是及時制止工地上不戴安全帽的危險行為。
NBA新秀預測器
https://github.com/kjaisingh/nba-rookie-predictor
一個判斷某位NBA新秀是否會在聯盟中持續五年的腳本。
NBA球員影響力計算
https://github.com/kjaisingh/nba-social-power
一個估測某位球員由於能力因素對社會的影響力的腳本。
自閉症估測
https://github.com/kjaisingh/autism-screening
一個估計測試者是否有自閉症傾向的腳本。
鑒於數據量和個體特殊性，作者的腳本不一定能作出準確的預測，但很明顯，作者已經將自己的學習成果運用到了熟悉的各個地方。我們可以看出作者對所學知識運用的熟練，從這種熟練的程度來評判的話，這位高中生的學習過程是非常有效的。他的經驗不止於高中生，實際上，任何希望學習人工智慧深度學習的入門者都可以借鑒他的經驗。正如他所說：有很多覺得人工智慧的學習與高中生的課程相比太難，但並非如此，只是因為它是一門新興的課程，需要更多的人去引導，他便願意成為其中一員。這種濃郁的學習興趣與責任感或許就是他能夠堅持學習並有所成的一部分重要原因。
目前該項目的星數為五百左右，相較於其他github的熱門項目的星數相差甚遠，但文中提出的建議卻是非常實在且誠懇的，作者的更新頻率也非常高，對機器學習有興趣的入門者可以長期關注這個項目。不要忘了作者只是個高中生，期待他未來的表現。
作者介紹
Karan Jaisingh
一位在新加坡學習的高中生，對從深度學習到數據科學到iOS應用程序開發的所有內容感興趣。
