月度归档:2018年10月

Deep Learning Specialization on Coursera

如何学习机器学习:机器学习该怎么入门

首先你要学好英语,因为英文世界的相关资料更加丰富和原创。

其次你得有一定的数学基础,如果你觉得微积分、线性代数和概率统计这些基础课程没有时间回顾的话,那么推荐机器学习强相关的一门课和一本书:

1)面向机器学习的数学课程(Mathematics for Machine Learning Specialization)
http://coursegraph.com/coursera-specializations-mathematics-machine-learning

伦敦帝国理工学院的面向机器学习的数学专项课程系列(Mathematics for Machine Learning Specialization),该系列包含3门子课程,涵盖线性代数,多变量微积分,以及主成分分析(PCA),这个专项系列课程的目标是弥补数学与机器学习以及数据科学鸿沟,感兴趣的同学可以关注:Mathematics for Machine Learning。Learn about the prerequisite mathematics for applications in data science and machine learning

2)机器学习中的数学(https://mml-book.github.io/):新书,看章节安排的很合理。

如果想学习更多的数学课程打基础,这里有:

3) Coursera上数学类相关课程(公开课)汇总推荐

除了数学基础,你还应该有一定的编程基础,如果你还是编程小白,那么推荐从Python入门:

4)Coursera上Python课程(公开课)汇总推荐

当然,一定的数据结构和算法接触还是要有的:

5)Coursera上数据结构 & 算法课程(公开课)汇总推荐

然后重点推荐推荐2门机器学习入门课程:

6) 还是首推Andrew Ng老师的机器学习课程了:http://coursegraph.com/coursera_ml

7) 其次是最近比较火的fast.ai的课程:fast.ai 新课程:面向程序员的机器学习导论(Introduction to Machine Learning for Coders)

不过到了这里,也只是入门而已,你需要动手做相关的项目,如果没有项目,我推荐你去参加一下类似Kaggle的项目。如果想更深入的学习更多的机器学习课程,这里有一份Coursera课程汇总:

8)Coursera上机器学习课程(公开课)汇总推荐

最后,如果想更进一步,学习深度学习,依然首推Andrew Ng的深度学习专项课程

9)Deep Learning Specializationhttp://coursegraph.com/coursera-specializations-deep-learning

再奉上一份更详细的深度学习课程资源,仅供参考:

10)深度学习课程资源整理

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:http://blog.coursegraph.com/如何学习机器学习-机器学习该怎么入门 http://blog.coursegraph.com/?p=904