机器学习入门

     对于机器学习入门建议先通过最简单的项目和想法开始,掌握基本的思维方式,建立起兴趣和整体的认识,可以先看一下知乎上面的一些解答,给自己建立一个学习路线,循序渐进,知乎链接:https://www.zhihu.com/question/20691338 

    然后推荐从最简单的机器学习算法-线性回归模型入手,通过建立cost function并最小化的过程,掌握一套最基本的数学模型来优化算法,训练出参数并用于预测;对于入门课程强烈推荐Andrew Ng的《机器学习》课程,专业概念充足,完全是基本功,在以后应用机器学习时,会发现这里面的思想和概念是非常有用的,coursera原版课程链接为:https://www.coursera.org/learn/machine-learning 上面带中文字幕,这门课程的前身是斯坦福大学的机器学习公开课,网易公开课链接为:http://open.163.com/special/opencourse/machinelearning.html 这个讲的会深一些,不过还是建议看coursera上的,另外课程每周会有作业,尽量自己做,网上也有分享的相关代码可以参考:https://github.com/YuliangXiu/coursera_ml_Ng ,另外听课记得多记笔记,有时候讲的当时清楚,过上几天就淡忘了,回头再找视频效率低,建议随着看视频不断完善笔记,这里也有整理好的Coursera机器学习系列笔记,干货满满,可以捧回去慢慢研究,点此查看 

    然后推荐另一个比较好的课程是台大林轩田老师的《机器学习基石》,这个是中文的,讲的也非常深入,b站完整版地址:https://www.bilibili.com/video/av4294020/ 

    继续补充非常好的入门课程,优达学城机器学习工程师课程:https://cn.udacity.com/mlnd 付费课程,定期开课,质量很高,并且老师亲自批改作业

    到这里基本的入门应该可以了,建议先准备一些本科数学基础,不用太多,主要是:《高数》(微积分和导数,偏导数部分)、《线性代数》、《概率论》另外要有一些向量的思想

    编程方面,程序员一般没问题,语言方面:Python,R,matlab/Octave都可以,比较推荐用python,语法简洁,开发效率高

    另外还有一些入门必备的书,比较经典的推荐:

    1.《统计学习方法》  清华大学出版社 李航

    2. 《机器学习》   清华大学出版社  周志华

    3. 《机器学习实战》 人民邮电出版社  作者是美国的Peter Harrington;这本书都是用python实现,很基础,上来就能撸代码

    这几本是比较经典的,如果有更好的会继续推荐,欢迎补充!