白癜风可以治愈吗 http://m.39.net/pf/a_6712021.html

输

Monday大神请回答

特征难提取？模型跑不通？分数上不去？来问问大神怎么做！

想让大神解答你的疑问吗？文末附参与方式，还有精美礼品相送哦~

DataFountain数据竞赛平台本着为数据科学家赋能的原则，开放专属于数据科学家的社区交流平台——DF社区。

DF社区是以问答与分享为主的数据科学交流社区，就竞赛提分、算法、模型调参、深度学习、NLP等话题，聚集DF平台8万+数据爱好者与数据科学家，打造数据科学交流、学习、进阶的专业圈子。

首期活动DF邀请了10位数据大佬为大家答疑解惑。他们分别是kagglemaster、中科大少年班神童、大厂高级算法工程师及各大赛事的Top选手……

本期大神简介

个人简介：致力于人工智能（AI）课程翻译、笔记分享，机器学习初学者入门。中国海洋大学计算机博士，知乎大V,ID:黄海广

技术方向：机器学习初学者辅助

平台ID：风度

大神请回答

Q1:请教机器学习的学习路径？

网上的资料很多，自己也学过一些，基本上都半途而废了。

小白希望能找到一条有效且能长期坚持的学习路径，非CS背景。普通工科专业，目前大二，希望转行算法工程师，求指点

大神解答：

机器学习如何入门？目前没有明确的答案。大部分学习者的学习目的不是为了科研，而是希望把机器学习作为工具来使用。

大部分学习者时间有限，学不完这么多资料，不知道如何取舍。

其实大部分人学习机器学习的目的，只要会用机器学习算法及工具，解决一些问题，了解算法的基本原理即可，并不需要学得那么深入。上面的学习路线，第一条就劝退了好多人了。没有几个人能像博士一样扎实地学好数学基础，也没有几个人能读完经典著作和热门教程，只是希望快速入门机器学习，推荐下快速的机器学习入门路线。

二、机器学习快速入门

1.基础知识

熟悉基本的数学知识，最主要是高等数学、线性代数、概率论与数理统计三门课程，这三门课程应该是本科必修的，如果真的忘了，那就看下这篇文章：《机器学习的数学基础》，可以把这篇文章提供下载数学资料看一遍，不需要全看懂，但是基础的公式要大致明白，能从资料中查找公式，里面有两个公式总结材料：

1)机器学习的数学基础.docx

（中文版，对高等数学、线性代数、概率论与数理统计三门课的公式做了总结）

2)斯坦福大学机器学习的数学基础.pdf

（原版英文材料，非常全面，建议英语好的同学直接学习这个材料）。

本人非常建议打好数学基础，数学基础决定了机器学习从业人员的高度。

但是，如果学习时间太少，又想入门机器学习，就学习上面两个公式总结材料其中的一个。

2.机器学习的教程

1)机器学习入门的最佳教程

应该是吴恩达老师的《机器学习》公开课，这门课面向初学者，注重实际应用，并不侧重数学推导。这门课开课较早，但到现在仍然是最火的机器学习公开课，评分非常高，课程配套作业（octave版本）。

学习这个课程注意事项：

第五章Octave教程、第十八章应用实例，这两章可以不用学，有点过时了。

原版的octave作业可以不用做，可以做修改过的python版本作业。

如果和吴恩达老师的《深度学习》公开课一起看，第四、五、六周的内容可以直接学习《深度学习》的相关内容。

这个教程建议在三个月内看完，如果有些地方看不懂，没关系，以后用到的时候再回头看看。

这个课程建议配合课程笔记一起看。本站已经提供了笔记下载

课程的视频、笔记、python代码作业，请在这篇文章下载。

2)机器学习小抄

本站以前发的一篇《机器学习小抄-（像背托福单词一样理解机器学习）》

把机器学习的概念做成背托福单词的随身小抄一样方便！分分钟搞定机器学习各种记不住的概念！这篇建议用一周时间看完，注意是略读，有些地方不懂没关系，做下记录，以后用到的时候再查。

3)李航《统计学习方法》

详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。对数学基础有一定要求，这是经典中的经典，很多国内的网课，互联网企业的面试、笔试题目，或多或少，参考了这本书的内容，对初学者来说，有点难度，但是，如果想通过面试笔试，这本书应该要看懂，试着推导下算法。

4)深度学习最佳入门教程

吴恩达《深度学习》公开课

这个视频教程用最简单的方式，把深度学习的主要算法和框架讲得非常清楚，课程附带代码作业和测试题作业，学完以后，深度学习就算入门了。每章的学习建议：

第一章：神经网络与深度学习

部分内容是《机器学习》公开课的第四、第五周的升级版

第二章：改善深层神经网络

这部分内容基本没有和《机器学习》公开课有重合部分。

第三章：结构化机器学习项目

部分内容是机器学习的第六周的升级版。

第四章：卷积神经网络

这部分主要用于图像、目标检测方面的，相当于斯坦福CSn深度学习与计算机视觉-李飞飞主讲的课程的简化。

第五章：序列模型

这部分主要用于自然语言处理，注意一点：RNN/LSTM结构里的符号，和原始论文有点不一样，我们平时的博客、论文的符号，跟吴恩达老师的课程的符号略有区别。

课程的视频、笔记、python代码作业，请在这篇文章下载。

)李宏毅《一天读懂深度学习》讲义

台大李宏毅教授的深度学习讲义，这是我见过最容易懂的深度学习入门资料，多页的讲义能系统、通俗易懂地讲清楚深度学习的基本原理，如同机器学习小抄一样生动形象。

建议用几天时间把这个讲义浏览一次，可以基本了解什么是深度学习，深度学习有什么用。

3.学好编程语言

由于只是入门，仅推荐python这门编程语言。

机器学习主要的代码工具为python，python学习到底要学到什么程度？个人感觉：入门最重要，至少要学到碰到问题能查百度的程度。

1)python安装：

关于python安装包，我推荐下载Anaconda，Anaconda是一个用于科学计算的Python发行版，支持Linux,Mac,Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。下载