

首页  思维导图  详情



机器学习&数据科学

2019-09-18 14:25:37   14  举报





AI智能生成

机器学习和数据科学科普贴

机器学习

数据科学

模版推荐

作者其他创作

大纲/内容

原标题：《五个给机器学习和数据科学入门者的学习建议》

第一步：学习Python、数据科学工具和机器学习概念

学习内容

编程先行，推荐Python

数据科学工具

Jupyter

Anaconda

熟悉相关概念

学习资源

人工智能要素—人工智能和机器学习主要概念概述。

Coursera Python 教程—从头学习 Python。

通过 freeCodeCamp 学习 Python (https://youtu.be/rfscVS0vtbw)—一个视频涵盖了 Python 所有主要概念。

Corey Schafer 的 Anaconda 教程 (https://youtu.be/YJC6ldI3hWk)—一个视频学会 Anaconda（数据科学和机器学习需要的配置环境）。

Dataquest 的新手 Jupyter Notebook 教程—一篇文章学会启动和运行 Jupyter Notebook。

Corey Schafer 的 Jupyter Note 教程 (https://www.youtube.com/watch?v=HW29067qVWk)—一个视频学会使用 Jupyter Notebook。

第二步：数据分析、操作、可视化

工具

Pandas

处理二维数据，类似 Excel 文件里的信息表，包含行和列。这类数据被称为结构化数据。

Numpy

进行数值计算。机器学习把你能想到的所有东西都转化成数字，进而在这些数字中寻找模式。

Matplotlib

绘制图形和可视化数据。理解表格中的一堆数字对人类来说可能很困难。我们更喜欢看到有一条线穿过的图。可视化可以更好得传达你的发现。

学习资源

Cousera 上的 Python 应用数据科学 (http://bit.ly/courseraDS)—开始打磨数据科学方向的 Python 技能

Codebasics 的 Python pandas 教程 (https://youtu.be/CmorAWRsCAw)—该 YouTube 系列介绍了 pandas 的所有主要功能。

freeCodeCamp 的 NumPy 教程 (https://youtu.be/QUT1VHiLmmI)—一个 YouTube 视频学会 NumPy。<br>

Sentdex 的 Matplotlib 教程 (https://www.youtube.com/watch?v=q7Bo_J8x_dw&list=PLQVvvaa0QuDfefDfXb9Yf0la1fPDKluPF)—YouTube 系列助你学会 Matplotlib 所有最有用的功能。

第三步：机器学习

工具

scikit-learn

一个 Python 库，内置了许多有用的机器学习算法，还提供了许多其他有用的函数来探究学习算法的学习效果。<br>

学习重点

了解都有什么样的机器学习问题

eg：分类和回归

什么样的算法最适合解决相应的问题

学习资源

Data School 的基于 scikit-learn 的 Python 机器学习 (https://www.youtube.com/watch?v=elojMnjn4kk&list=PL5-da3qGB5ICeMbQuqbbCOQWcS6OYBr5A)—一个 YouTube 播放列表教你 scikit-learn 的所有主要函数

Daniel Bourke 对探索性数据分析的简要介绍 (https://towardsdatascience.com/a-gentle-introduction-to-exploratory-data-analysis-f11d843b8184)—把你在上述两个步骤中学到的知识融合在一个项目中。提供代码和视频，助你开始第一个 Kaggle 竞赛。

Daniel Formosso 的基于 scikit-learn 的探索性数据分析笔记 (https://github.com/dformoso/sklearn-classification)—以上资源的更深入版本，附带了一个实践上述内容的端到端项目。

第四步：深度学习神经网络

学习资源

Cousera 上 Andrew Ng 的 deeplearning.ai (https://bit.ly/courseradl) (https://bit.ly/courseradl)—商业上最成功的从业者之一讲授的深度学习课程。

Jeremy Howard 的 fast.ai 深度学习课程 (https://course.fast.ai/) (https://bit.ly/courseradl)—工业界最好的实践者之一讲授的深度学习实际操作方法。

第五步：其他课程和书籍

在项目中应用&锻炼

其他

每一步大概需要6个月甚至更长时间

一定要代码先行，不会代码就先学习统计、数学、概率知识很有可能被劝退