说起机器学习,很多人虽然感兴趣,可总是望而却步觉得太难。
我接触各种模型和数据的时候,也会感到头疼,这其实源于没有系统性地学习数据科学流程。对于长篇大论的机器学习教科书,鲜有翻看几页不打瞌睡。
在网络资源高度整合的今天,github上其实有非常较好的线上教程可以学习,这些作品往往脉络清晰、详略有度,非常适合入门者。
推荐一个Github项目-100-Days-Of-ML-Code,也就是机器学习100天,该项目已有2.5w star,非常受欢迎。
项目的起源是 ML 界的网红 Siraj Raval 发起了一个挑战赛:100 Days Of ML Code。他发起的这个项目意在号召大家行动起来,每天至少花费 1 小时的时间来学习提升或者应用编程,连续坚持 100 天,从而更好的理解和掌握机器学习这个强大的工具。
积跬步以至千里。
作者梳理了机器学习整个知识框架,通过图文和代码的形式整合到100天的学习计划里。
原版本是英文版,现已有中文翻译版本,节选部分内容供大家学习参考:
英文版Github地址:
https://github.com/Avik-Jain/100-Days-Of-ML-Code
中文版Github地址:
https://github.com/MLEveryday/100-Days-Of-ML-Code
>need-to-insert-img
多元线性回归代码示例:
注:以上图片均来自于该github中文项目