机器学习入门资源

作者: 流川枫AI | 来源:发表于2016-03-26 18:34 被阅读831次

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: http://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: http://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。

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。

4.入门课程:

Tom Mitchell 和 Andrew Ng 的课都很适合入门,Andrew Ng的课程是推荐的最多的,基本初学机器学习,都会被推荐先学习一下这门公开课,另外我有这门课的离线教程,并且由实验室博士学长制作部分中文字幕与学习笔记,以及部分代码,想要的可以关注我的简书帐号【流川枫debug】,通过简信私信我。当然,你也可以在网易公开课等在线课堂注册这门课程,还会有一些随堂练习。希望对机器学习以及数据挖掘感兴趣的博主,一起加入到我们这个专题中来,一起学习,享受分享的乐趣。

相关文章

  • 资源整理

    机器学习该怎么入门? 机器学习入门资源不完全汇总 数据挖掘学习图谱 Metacademy

  • 机器学习入门资源

    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...

  • 机器学习资料整理

    简单整理一下机器学习方面入门的资料。 前言 首先放弃海量的资料,什么 xx学院机器学习内部资源、机器学习从入...

  • 机器学习相关资料整理

    初学机器学习,将部分资料整理在此,逐渐完善。 视频资源 吴恩达机器学习 介绍:吴恩达老师关于机器学习的入门级视频...

  • 机器学习资料汇总

    1. 入门基础篇-铺垫 机器学习怎么从入门到不放弃! 重磅 | 完备的 AI 学习路线,最详细的资源整理! 如何从...

  • 机器学习入门资源大全

    机器学习」现在真的太受欢迎了,但很多人想学又不知道在哪找资源,所以这次为大家整理了关于「机器学习」的各种用得到的工...

  • 机器学习入门资源教程

    无论是AlphaGo,Master的围棋博弈,到Google,Uber的自动驾驶,人工智能,机器学习这样词汇已经充...

  • [机器学习系列二]TensorFlow入门

    1. 写在最前面 1.1 机器学习如何入门 关于机器学习如何入门可以参考机器学习该怎么入门?[https://ww...

  • 机器学习&深度学习知识体系——写过的博文(博客目录索引)

    机器学习&深度学习入门 机器学习简介 深度学习简介 深度学习入门极简教程(一) 深度学习入门极简教程(二) 深度学...

  • 机器学习入门——实战篇之强化学习

    这是本篇文章是《机器学习入门》系列文章的第五篇,该系列有如下文章:《机器学习入门——基础篇》《机器学习入门——实战...

网友评论

    本文标题:机器学习入门资源

    本文链接:https://www.haomeiwen.com/subject/jmvdlttx.html