精心整理,机器学习的3大学习资源

人工智能 机器学习
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。

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

[[315119]]

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

[[315120]]

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

[[315121]]

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。

责任编辑:赵宁宁 来源: 读芯术
相关推荐

2020-10-30 10:23:14

机器学习趋势范式

2014-07-22 10:13:04

程序员机器学习

2020-10-20 09:45:23

神经网络数据图形

2017-04-14 14:57:03

机器学习学习资源

2024-05-29 10:08:40

2020-05-19 09:00:26

机器学习人工智能TensorFlow

2019-03-20 07:50:47

机器学习算法线性回归

2019-08-21 19:49:21

机器学习人工智能

2020-12-08 13:42:41

机器学习人工智能

2020-12-03 08:01:42

机器学习人工智能AI

2022-05-11 15:20:31

机器学习算法预测

2014-07-01 09:30:54

机器学习

2019-04-05 10:10:22

AI机器学习安全

2024-05-30 07:34:42

2023-12-01 16:27:05

机器学习无监督学习

2020-10-13 07:00:00

机器学习人工智能

2016-11-08 18:00:44

机器学习

2024-04-26 00:03:00

机器学习人力资源管理

2015-09-21 15:00:38

机器学习

2023-11-28 12:12:46

机器学习算法
点赞
收藏

51CTO技术栈公众号