少し要約を行うためにここに、いくつかの時間のためにそこに学んで、そのDiudiuの感情があるこのエントリ新人マシン。機械学習の理論と実践の学習体験をお聞かせください。
関連資料
数学的基礎
何も言うことは、線形代数の高い数は、エンジニアリングの大学で必修科目です。
統計的機械学習
李ハングのブルーブックとのズハウ・ジワスイカ本は言うことができる、人工知能、国内のリーダーの分野でも、2つの古典的な教科書です。
深さの研究
強く推奨花の本、権威ある教科書は、深さでの学習と言うことができます。またそこにあるアンドリュー・ウの講義や教育ビデオ、オンラインで見つけることができます。
ホワイト入門教科書
エントリ材料とみなさものの、以前の本をお勧めしますが、受け入れることは非常に簡単ではありません、白ためのものであってもよいです。それは、その推奨されるエントリの深さの研究：パイソンの理論と実装に基づいて、および実用的な機械に学ぶ二冊の本を、理解しやすい話を、使いやすいです。
高度な材料
PRMLとMLAPPこれらの本は誰を知っている人を確認するために、神のブックレベルに属しています。
追加情報
githubのか、キーワードの深さの調査での直接検索、機械学習、あなたは高スタープロジェクトの多くを見つけることができる、私はそれらを表示されません。
実用的な部分
- シンプルで使いやすいプログラミング言語Pythonは、お勧めします。今も中国の公式文書を開始しました：https://docs.python.org/zh-cn/3/
- numpyの、パンダ、matplot：機械学習、Pythonは、3つの非常に重要なパッケージがあります。具体的な方法の使用は、適切な公式の文書を参照してください：https://www.numpy.org/devdocs/
https://pandas.pydata.org/pandas-docs/stable/ https://matplotlib.org/index.html
これらの3つのパッケージには中国の公式されていないが、いくつかの民俗中国語版があり、あなたが百度を所有することができます。 - sklearn、このパッケージは、ほぼすべての統計的機械学習APIを統合する非常に重要なツールバッグです。公式サイト：http://scikit-learn.github.io/stable
- pytorch、深い学習フレームワークはもちろん、今のような深い学習フレームワークの多く：tensorflow、kerasなど。しかしpytorchは比較的使いやすいです。公式住所：https://pytorch.org/
- いくつかのパッケージを使用する特定のタスクに基づいており、例えば、NLPは、多くの場合、このような場合は、私は詳細には触れませんが、NLTK、jiebaや他のパッケージを使用する必要があります。
論文
教材物事は比較的、学術フロント遅れや紙の上で、マシンは特に速いアップグレードこの作品を学んでいる、我々はまだ、最新のアルゴリズムやモデルについて学ぶために最新の記事を読むことが多くを持っています。
感情
我々はTucaoを行うものの、機械学習、何度、および転送パッケージのパラメータ調整でを行いますが、実際には多くの人がしても、パッケージを転送されません。これらのパッケージを使用して、我々は文書を読むために多くの時間を費やす必要があり、使い慣れたAPIパラメータより良いプログラムを書くように、。また、我々はまた、モデル上の紙なので、少し技術革新を読む必要があります。