其他分享
首页 > 其他分享> > 入门机器学习

入门机器学习

作者:互联网

如果想入坑机器学习,前期要有大量的知识储备期是一定的,具体我列一个清单,包括了:

  1. 首先你需要掌握几种编程语言:python首选,然后是c/c++,然后是matlab,因为对于很多计算机视觉的任务,python和matlab写的源码会比较多,而工程实施有需要c/c++。所以这几门语言是必不可少的;
  2. 入门课程:
    1. 首先是线性代数,看麻省理工的,你会发现和我们本科学得线性代数好像不太一样,这个讲解的更加容易理解!!不再是挺在做计算题的层次,是真的有用!!麻省理工公开课:线性代数_全35集_网易公开课
    2. 斯坦福机器学习:斯坦福大学公开课 :机器学习课程,这个就不强调了,NG的课程,一般这个行业的都会学习下吧!
    3. 张志华老师的统计机器学习,机器学习导论:http://ocw.sjtu.edu.cn/G2S/OCW/cn/TeacherDetail.htm?id=471,这个课程涉及到更加深入的统计机器学习理论,看完以后你会对概率论有更深入的了解!!
    4. 周志华老师的西瓜书,这个对于机器学习整体的介绍还是比较基础的!!这本书,记得找工作时候,每次面试前都会看一遍!!
  3. 进阶课程:这两本是字典一样的存在,每次写文章的时候都会翻一翻,把自己的理论拔高升级下,很难,至今很多没看懂。。!
    1. 矩阵论
    2. 凸优化理论
  4. 关于深度学习的东西,我主要是通过调试模型,熟悉的caffe,对于tensorflow则是通过keras了解和针对不同计算机视觉的任务,跑向应的模型,一点点熟悉的,后面我会针对这些东西更加详细的给大家介绍怎么用,目前比较好的书,我也不好推荐,自己主要是看一些博客了解的。

标签:麻省理工,机器,入门,学习,公开课,课程,线性代数
来源: https://www.cnblogs.com/timlong/p/11088938.html