精心整理,机器学习的3大学习资源

作者: 读芯术 2020-02-16 20:39:07

机器学习一直是热门话题,它确实有理由如此重要,它能帮助人们预测未来的行为,使电子邮件免受垃圾邮件的干扰,并根据喜好记忆作出电影推荐。

机器学习有无尽可能性,该领域薪资高,工作者在工作上能享受到极大乐趣,这让他们大多数时候感觉不像工作。然而,零经验者如何在合理时间内掌握机器学习?本文会给出答案。

无论背景如何,所有人的第一步都相同。不是只有数学博士才能进行机器学习。我没有数学博士学位,也不认为自己格外聪明,不过一件事是肯定的——我比身边所有人都用功。

如果不工作,高学历将一文不值。

话虽如此,初学者应客观准确地评估自身的当前状况。问自己几个问题:

  • 我的编程能力如何?
  • 我上一次解决数学问题和做统计数据是什么时候?
  • 我愿意投入多少时间到机器学习上?

注意,进行应用机器学习无需专于以上任一领域。只需编程能力优于普通数学家,数学能力优于普通程序员即可。这是黄金准则。

如果你看到这里,很好,现在请准备好进入让人又爱又恨的机器学习世界。

1. Python数据科学和机器学习训练营

精心整理,机器学习的3大学习资源

来源:Pexels

这是一门在线课程,观看大约需要22个小时,但可能要花5倍时间才能完全理解。课程从复习Python到介绍库,再深入研究机器学习算法。

我已完成该课程——它是入门学习机器学习的好方法,但仅此而已。因为这些算法并没有讲解得很深入。当然,完成课程后你能够使用算法并以此解决实际问题,但是很可能不清楚要用何种算法、何时以及如何(适当)调整算法。

这是因为,这门课程的重点并不在于数学。事实上我认为这门课程根本没讲到任何数学运算,仅仅在讲解如何运用Python的各种库。课程作者建议学员在学习课程的同时阅读《统计学习入门》以获取扎实的理论基础。我也认为需要读这本书。

然而,该课程仍提供了诸多实践的好机会。

价格:Udemy上原价为194.99美元,但经常可以享受9.99美元的折扣价。这个投资绝对不会亏。

2. Coursera:Andrew Ng的机器学习课程

这门课程就如同进入机器学习行业的标准。到目前为止,已有12万多名用户对该课程评分,平均分4.9,满分为5。这也证明了它的优质。

视频画质不佳,但是内容质量弥补了这一点。这门课程的内容要比第一门课程深入得多,尽管Ng说有些地方不懂也没关系,但还是应该找到自己的弱项然后尽己所能强化它。

据我所知,实验室使用一种叫“八度(Octave)”的奇怪语言,它是Matlab的免费替代品。这几乎是这门课的唯一缺点,因为如今大家几乎只用Python或R语言进行机器学习。

价格:观看视频是免费的,但是必须支付100美元才能获得结业证书。

将证书添加到领英的个人页面很酷,但这不是必需品。

3. 哈佛大学:CS109A

精心整理,机器学习的3大学习资源

来源:sina

与前两个学习资源不同的是,这不是视频课。它是一个GitHub库,上面有理论部分的讲座(PDF)和Jupyter实验室笔记。

老实说,我不知道为什么这个资源会免费。

明明这是一门由世界顶尖大学之一制作的完整课程,居然完全免费。它包含20多个讲座,13份实验室笔记,总体上是机器学习的不错起点。我还没完成学习,因为我最近才开始看这份资源。但是从已经学习的部分看,它确实很棒。

价格:免费,跟着库学习就行。

机器学习准备工作

精心整理,机器学习的3大学习资源

来源:Pexels

现在你已经得到3个很棒的学习资源,可以开始机器学习之旅了。这绝非易事,尤其是在你缺乏一些背景知识而需要补回这些知识的情况下,但付出的精力都是有回报的。

如果零基础者,我会推荐从第三个资源哈佛大学课程开始学习,我认为这是以上三个资源课程里最好的。

但这也不意味着另外两个很糟糕,相反它们都很棒。我的建议是:

  • 如果想对理论部分有个广泛的总概学习,并且想要很多实践机会,请选择第一个
  • 如果想掌握机器学习总论且不喜欢视频课,请选择第三个
  • 如果想要了解一点背景知识,但也想理解模因,请选择第二个

感谢阅读。保重身体。

机器学习 编程
上一篇:欺诈不可怕,机器学习算法分分钟拿下! 下一篇:人工智能如何赋能经济高质量发展
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

谈谈基于深度学习的目标检测网络为什么会误检,以及如何优化目标检测的误检问题

在训练人脸检测网络时,一般都会做数据增强,为图像模拟不同姿态、不同光照等复杂情况,这就有可能产生过亮的人脸图像,“过亮”的人脸看起来就像发光的灯泡一样。

刘冲 ·  20h前
开发板能这么用?美国学者用Jetson Nano支持假肢,控制每一根手指

在一篇新论文中,来自明尼苏达大学等机构的研究者提出了一种基于嵌入式深度学习控制的神经假肢实现。

佚名 ·  2天前
机器学习如何影响系统设计:Learned Index Structures浅析

本文简要介绍了Learned Index Structures的实现和优缺点,希望可以给大家带来一些系统设计的启发和思路。

作者Victor ·  2天前
吴恩达的二八定律:80%的数据+20%的模型=更好的机器学习

一个机器学习团队80%的工作应该放在数据准备上,确保数据质量是最重要的工作,每个人都知道应该如此做,但没人在乎。

新智元 ·  2天前
机器学习在铁路缺陷检测中的实际应用

本文介绍了在铁轨的超声波检测过程中有效使用机器学习技术自动检测缺陷的经验,并提出了一种使用数学建模为神经网络创建训练数据集的有效方法,为实际缺陷图的识别提供了更高精度的指标。文中训练神经网络运算的原型实例,其实际缺陷图的预测精度高达92%。

李睿 ·  2天前
人工智能进军“古玩鉴定”,人类职业再遭冲击?

近两年,人工智能的风头虽然偶被5G、自动驾驶等所盖过,但其发展和热度并未因此受到影响。

林中易木 ·  3天前
机器学习概述

机器学习(Machine Learning)这个术语常常掩盖了它的计算机科学性质,因为它的名字可能暗示机器正在像人类一样学习,甚至做得更好。尽管我们希望有一天机器能够像人类一样思考和学习,但如今机器学习并不能超越执行预定义过程的计算机程序。

追求源于热爱i ·  3天前
为什么机器学习胜过人工智能?

人工智能、数据科学和机器学习都属于同一个领域。问题是,在这种情况下,它们中的哪一个能达到正确的目的。

Cassie ·  3天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载