入门机器学习

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