GitHub超过3000赞的「机器学习路线图」,教你升级打怪全攻略
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。 互联网的一个问题就是:信息太多。 对想要学习机器学习的人来说,信息太多也是一种困扰,开放的课程、书籍、框架、开源代码那么多,每套资料都有自己的好处,有人说这个课程好,有人说那个框架最好用。 那么,对新手来说,究竟该从哪个开始学?学哪个合适呢? 一位名叫Giacomo Ciarlini的意大利小哥就发现了个这问题,为了帮老板带新人,他把机器学习领域所需要的知识都整理成了一条机器学习路线图: 从编程和数学开始,逐渐学会各种概念、方法、神经网络,之后研究开源项目,终将成为一代机器学习专家。 就像从新手村一路升级打怪到满级一样,你可以跟着这条路线图,成长为装备齐全、技能全面、经验丰富的大神玩家。 四个学习部分首先,你需要做点准备才能开始自学机器学习。
先要会一门编程语言,机器学习界最常用的Python了解一下~ Jupyter笔记本也是常用的工具,不用下载,在Web上就能直接用,可以在线coding,许多重要的应用和教程也是在Jupyter上的,一定要学会。 最后,搞机器学习一定要了解一些数学原理,还要了解一些机器学习的基本知识。
之后,安装Scikit-Learn,这是机器学习任务中最完整,最成熟,记录最完整的库之一,然后就能照着路线图把后面线性回归、分类……的都学习实践一遍。 当然,每个知识点小哥都准备了一些参考资料,可以照着资料一步步来。
现在,进入TensorFlow的世界。当然,现在越来越多的开发者认为Facebook出品的PyTorch是一个更好用的框架,不过TensorFlow依然是用户最多的框架。
现在,最基本的东西你已经掌握了,可以开始看各种丰富的资料,学习各种热门的项目了,记得随时关注最新出现的突破性项目,不然就要跟不上机器学习界飞快的进步和突破了。 最后,里面所有提到的资料课程,GitHub原文都有链接哦。 还有续集除了机器学习,小哥还在准备商业智能分析和云计算架构师两个领域的学习路线图。 后面还准备出数据可视化、数据收集、数据预处理三个数据相关领域,如果未来需要“转职”可以考虑学习一下。 除了技术相关,小哥甚至还准备推出有效沟通、有影响力的演讲、务实决策三块内容的路线图,真是个技术转管理的全才,35岁以后也不会被淘汰。 传送门https://github.com/clone95/Machine-Learning-Study-Path-March-2019 【编辑推荐】
点赞 0 (编辑:威海站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |