机器学习和深度学习入门总结

本菜鸟入门机器学习也有一段时间了,有那么一丢丢的感悟,在这里做一点总结。介绍一下机器学习理论和实践的学习心得。

相关教材

数学基础

高数、线性代数这就没啥好说的,就是大学工科的必修科目。

统计机器学习

李航的蓝皮书和周志华的西瓜书可以说是国内的比较经典的教材,这两位也是国内人工智能领域的领军人物。

深度学习

强烈推荐花书,这可以说是深度学习方面的权威教材。除此以外还有吴恩达的讲义和教学视频,网上都可以找到。

小白入门教材

前面推荐的书籍,虽然算得上入门教材,但可能对于小白来说,不是很容易接受。这里推荐深度学习入门:基于Python的理论与实现机器学习实战这两本书,讲的通俗易懂,容易上手。

进阶教材

PRML和MLAPP这两本书属于神书级别的,谁看谁知道。

补充资料

直接在github上搜索机器学习或深度学习关键词,就可以找到很多高星项目,我就不一一列举了。

实践部分

  1. 编程语言推荐python,简单容易上手。现在官方文档还推出了中文:https://docs.python.org/zh-cn/3/
  2. 机器学习方面,python中有三个很重要的包:numpy、pandas、matplot。具体的使用方法请查阅相应的官方文档:https://www.numpy.org/devdocs/
    https://pandas.pydata.org/pandas-docs/stable/ https://matplotlib.org/index.html
    这三个包暂时没有官方中文,但是有一些民间的汉化版本,大家可以自行百度。
  3. sklearn,这个包集成几乎所有统计机器学习的API,是一个很重要的工具包。官方网站:http://scikit-learn.github.io/stable
  4. pytorch,一个深度学习的框架,当然现在深度学习的框架很多,例如:tensorflow、keras等。但是pytorch是比较容易上手的。官方地址:https://pytorch.org/
  5. 还有一些包是根据具体的任务来使用的,例如做nlp常需要用到nltk、jieba等包,这种情况我就不细讲了。

论文

教材上的东西都比较滞后,学术前沿还是在论文上,机器学习这一块更新换代的特别快,大家还是得多读一读最新的论文,才能了解到最新的算法和模型。

感悟

做机器学习,很多时候就是在调包和调参,虽然我们这样吐槽,但实际上很多人连调包都不会。使用这些包,需要我们花费大量的时间来阅读文档、熟悉API参数,这样才能写出比较好的程序。除此以外,我们还需要多阅读论文,从而进行一点模型上的创新。

原文地址:https://www.cnblogs.com/mlgjb/p/11360079.html

时间: 2024-07-28 23:22:58

机器学习和深度学习入门总结的相关文章

机器学习、深度学习的理论与实战入门建议整理

引言 拿到这份文档时想必你的脑海中一直萦绕着这么一个问题,"机器学习/深度学习要怎么学呢?(怎么入门,又怎么进一步掌握?)".关于这个问题其实并没有一个标准答案,有的人可能适合自底向上的学,也就是先从理论和数学开始,然后是算法实现,最后再通过一些项目去解决生活中的实际问题:有的人则可能适合自顶向下的学,也就是在弄清楚什么是机器学习及为什么学机器学习后,先确定一个系统性的用机器学习来解决实际问题的程序,然后找到一个合适的工具,接着再在各种数据集上做练习以不断加强自己的实践能力与巩固对算法

python入门、python数据分析(numpy、matplotlib、sklearn等)tensflow、爬虫、机器学习、深度学习、自然语言处理、数据挖掘、机器学习项目实战、python全栈、PHP、java、java web、openCV、hadoop、matlab、android、数据结构算法和刷题等教学视频

扫描二维码加好友购买视频,绝对优惠,谢谢支持. python入门和进阶熟练教学视频 入门: 进阶: python数据分析教学视频 python数据分析晋级班 tensorflow教程及实战 python爬虫教学 机器学习课程 深度学习课程 机器学习项目班 自然语言处理教学视频 python全栈教学视频 数据挖掘视频 PHP教学视频 java java web openCV教学视频 Hadoop教学视频 matlab教学 andriod教学视频 数据结构算法班及面试班 原文地址:https://w

机器学习_深度学习_入门经典(永久免费报名学习)

机器学习_深度学习_入门经典(博主永久免费教学视频系列) https://study.163.com/course/courseMain.htm?courseId=1006390023&share=2&shareId=400000000398149 作者座右铭---- 与其被人工智能代替,不如主动设计机器为我们服务. 长期以来机器学习很多教材描述晦涩难懂,大量专业术语和数学公式让学生望而止步.生活中机器学习就在我们身边,谷歌,百度,Facebook,今日头条都运用大量机器学习算法,实现智能

关于机器学习和深度学习的资料

声明:转来的,原文出处:http://blog.csdn.net/achaoluo007/article/details/43564321 编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.而且原文也会不定期的更新,望看到文章的朋友能够学到更多. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. &

[转]机器学习、深度学习、数据挖掘各种资源整理

Deep Learning(深度学习): ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):一 ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):二 Bengio团队的deep learning教程,用的theano库,主要是rbm系列,搞python的可以参考,很不错. deeplearning.net主页,里面包含的信息量非常多,有software, reading list, research lab, dataset, demo等,

近200篇机器学习&amp;amp;深度学习资料分享

编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.并且原文也会不定期的更新.望看到文章的朋友能够学到很多其它. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍非常全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室

机器学习和深度学习资料合集

机器学习和深度学习资料合集 注:机器学习资料篇目一共500条,篇目二开始更新 希望转载的朋友,你可以不用联系我.但是一定要保留原文链接,因为这个项目还在继续也在不定期更新.希望看到文章的朋友能够学到更多.此外:某些资料在中国访问需要梯子. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in

[转]机器学习和深度学习资料汇总【01】

本文转自:http://blog.csdn.net/sinat_34707539/article/details/52105681 <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室Jurgen

机器学习与深度学习资料

<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本<神经网络与深度学习综述>本综述的特点是以时间排序,从1940年开始讲起,到60-80