摘要:本文主要向大家介绍了机器学习入门之机器学习入门资源,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助。
本文主要向大家介绍了机器学习入门之机器学习入门资源,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助。
这是我在开始学习机器学习的知识的时候,看到的一个比较不错的基础学习路径教程以及部分学习资源。
1.基本概念
机器学习 机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。
下面从微观到宏观试着梳理一下机器学习的范畴:一个具体的算法,领域进一步细分,实战应用场景,与其他领域的关系。
图1: 机器学习的例子:NLTK监督学习的工作流程图
机器学习概要图 by Yaser Abu-Mostafa (Caltech) (source: //work.caltech.edu/library/181.html)
图3: 机器学习实战:在python scikit learn 中选择机器学习算法 by Nishant Chandra (source: //n-chandra.blogspot.com/2013/01/picking-machine-learning-algorithm.html)
机器学习和其他学科的关系: 数据科学的地铁图 by Swami Chandrasekaran
2.入门攻略
大致分三类: 起步体悟,实战笔记,行家导读。
机器学习入门者学习指南[起步体悟] 研究生型入门者的亲身经历
有没有做机器学习的哥们?能否介绍一下是如何起步的[起步体悟] 研究生型入门者的亲身经历,尤其要看reyoung的建议
tornadomeet 机器学习笔记[实战笔记] 学霸的学习笔记,看看小伙伴是怎样一步一步地掌握“机器学习”
Machine Learning Roadmap[行家导读] 虽然是英文版,但非常容易读懂。对Beginner,Novice,Intermediate,Advanced读者都有覆盖。
3.几个建议:
既要有数学基础,也要编程实践(不要因为数学考的分数低而放弃,以前考的分数低,不代表你学不会,相信自己!)。
别怕英文版,你不懂的大多是专业名词,将来不论写文章还是读文档都是英文为主(必须要学英文的!不要逃避了。
实践是检验知识的唯一标准,天池大数据
是一个定期举办数据分析挖掘比赛的网站,带着你学到的知识来检验一下吧。
本文由职坐标整理并发布,希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道!
您输入的评论内容中包含违禁敏感词
我知道了
请输入正确的手机号码
请输入正确的验证码
您今天的短信下发次数太多了,明天再试试吧!
我们会在第一时间安排职业规划师联系您!
您也可以联系我们的职业规划师咨询:
版权所有 职坐标-一站式IT培训就业服务领导者 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com,All Rights Reserved.
沪公网安备 31011502005948号