ここに加えて、より多くの記事やビデオ、実際の内容の多くは非常に困難であることをのこぎりのいくつかよりもありますが、私はもちろん、機械学習プロセスを学習学ぶ情報の一部です、彼は内部の内容を説明するための数学的基礎を理解することは現状では困難です。また、あまりにも多くの情報が、学習の効率に影響を与え、多くのコンテンツは、書籍、動画や記事の膨大な量を繰り返し、最終的には唯一のコレクションの一部として、クラウドディスクに永久的な睡眠は、唯一の心理的な快適さと、それはのように感じていますあなたは乾燥を開くことができるたびに、この情報の収集は、後にすでにあり、かつ実際の使用はありません。
、私が考えてきた学習する時間のこの期間中、どのようにクイックスタートは、マシンを学ぶことができますか?クイックスタートは、それが何であるのステップ?時間の期間の記事の多数を参照し、カーディングを学んで、エントリに必要性を感じるようには、最初の機械学習の、複雑ではありませんした後、一般的な知識と理解を持っている基本的な概念を理解するために、その技術スタックを理解し、自分の学習計画を行い、その後、アルゴリズムは直接エンコード呼んで機械学習の例を見つける、練習から始め、練習からアルゴリズムモデルを理解しています。
機械学習の関連情報
マシンに初心者のためのアルゴリズムミニマリスト入門コースを学びます
様々なオンラインプラットフォーム、機械学習関連のビデオレッスンがあります。
数学的基礎
様々なオンラインプラットフォーム、関連するビデオレッスンの数学的基礎があります。
Pythonのツール
-
numpyのは、拡張ライブラリのPython言語であるだけでなく、それは配列操作のための数学ライブラリの多くを提供し、アレイと行列演算の次元数をサポートしています。
-
パンダは、構造化データを分析するための強力なツールセットです
-
matplotlibのは、ハードコピーフォーマットと対話クロスプラットフォーム環境の様々なレベルで出版品質のグラフィックスを生成するPythonの2Dグラフィックスライブラリです。
-
Statsmodelsは推定さまざまな統計モデルのためのクラスや関数を提供し、統計的検定と統計データを検討することができます。
-
Seaborn matplotlibのベースのグラフィカルな視覚化パッケージのpython。それは、様々な魅力的なチャートを作成するユーザーのための高度にインタラクティブなインタフェースを提供します。