机器学习入门视频总结

         

        最近一回想,从16年10月份到18年9月份,陆续看了很多数据分析和机器学习的相关视频,这里大致总结下。

 

         不过鉴于我并没有找到算法类的工作(可能就是因为我看不懂一些视频中的数学推导),这种看很多视频的学习方式是个反面教材。但是好的视频能使得入门变得更加的容易,我按照自己的体会给看过的视频大致评价下,供参考。

        2022年记录,现在想下,算法做到很好太不容易了,做到字节那种水平很难;就个人来说,工程能力太重要了,中小公司很多都是python,java,sql都搞,spark,hive,flink都有涉猎,更别说mysql,redis,kafka,hbase。路漫漫其修远兮。

一、机器学习类=数据挖掘

1、Python3入门机器学习 经典算法与应用--BOBO老师(强烈推荐)

      来源:慕课网,大家也可发挥自己的聪明才智寻找资源

      个人评价:从算法推导,算法实现到算法简单使用讲的清楚明白,让你知其然且知其所以然,作为入门真的合适

2、吴恩达机器学习-Coursera(推荐)

      来源:网易云课堂

      个人评价:这一套视频相对斯坦福的视频理解起来容易多了,但是认真讲,内容也少了很多,但作为入门来讲较为友好

3、机器学习算法-邹博老师(普通推荐)

      来源:小象学院,同样也可发挥聪明才智找资源

      个人评价:视频时长大概是市面上同类视频的2倍,内容丰富,数学推导较多,统计知识穿插其中,学习下来需要耗费不少精力

4、斯坦福大学机器学习-吴恩达(普通推荐)

      来源:网易公开课、B站

       个人评价:这套视频在知乎机器学习讨论中绝对是首推的,仁者见仁智者见智,上面两套视频更适合我这种底层人士的思考方式,且都有实际的算法跑起来。这套视频适合有一定的理论基础,作为入门太过理论。

5、北京理工大学Python机器学习--嵩天老师等(普通推荐)

      来源:慕课网、B站

      个人评价:理论几乎没有,更多是讲算法使用,算法参数等,从使用算法库的角度来讲确实能让人听懂。

6、统计机器学习-上海交通大学张志华老师(一般推荐)

      来源:网易云课堂、B站

      个人评价:这个和吴恩达的视频比较类似,纯理论,对于算法使用来说不友好

7、机器学习技法-林轩田(一般推荐)

      来源:B站

      个人评价:数学理论知识丰富,作为入门有一定难度

8、Python数据分析与机器学习实战-唐宇迪(不推荐)

      来源:网易云、B站

      个人评价:整体让人感觉很仓促,讲的快且粗

9、有趣的机器学习-Moven(莫凡) (一般推荐)

      来源:网易云课程、B站

       个人评价:没有理论讲解,主要讲算法库使用,讲的还是清楚的,每节课时间较短

10、机器学习-中山大学老师(不推荐)

       来源:炼数成金网站

       个人评价:有理论讲解和算法使用,且老师有认真做教育的理念,但是和现在主流的方式似乎不太契合

10、机器学习-白板推导系列-数学基础

        来源:B站

        个人评价:暂无,未看

11、徐亦达机器学习课程

        来源:B站

        个人评价:暂无,未看

机器学习博客推荐:随笔列表第4页 - 刘建平Pinard - 博客园既有算法推导,也有算法使用,写的清楚明了

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 如果你想进行Python机器学习实训,可以考虑以下步骤: 1. 了解机器学习的基本概念和理论知识,例如监督学习、无监督学习、深度学习等。 2. 选择合适的Python机器学习库,例如Scikit-learn、TensorFlow、PyTorch、Keras等。 3. 学习Python机器学习库的使用方法,可以通过官方文档、教程视频或在线课程等方式进行学习。 4. 找到一些适合的机器学习案例进行实践,例如房价预测、图像识别、情感分析等。 5. 在实践中不断调试和优化模型,提高模型的准确度和性能。 6. 将学习到的知识和经验进行总结和分享,可以写博客、参与开源项目等方式进行交流。 ### 回答2: python机器学习实训是一种专门针对机器学习算法及其应用的培训课程。通过学习这门课程,学员可以了解机器学习的基本概念、算法原理和实际应用,掌握使用Python进行机器学习的技能。 在这门实训课程中,学员将学习Python编程语言的基础知识,包括语法、数据结构和常用库的使用。随后,学员将学习机器学习的基本概念,如训练集、测试集、分类、回归等,了解常用的机器学习算法和模型。 在实训过程中,学员将通过实际案例进行实践,使用Python编写机器学习模型的代码,进行数据预处理、特征提取、模型训练和评估。学员还可以学习到如何使用不同的机器学习库,如scikit-learn和tensorflow,来简化机器学习任务的实现。 此外,实训还将涵盖机器学习的应用领域,如自然语言处理、图像识别和推荐系统等。学员可以了解不同领域的机器学习应用,学习如何将机器学习算法应用到实际的问题中。 总之,python机器学习实训是一门系统化的培训课程,通过学习这门课程,学员可以获得Python编程和机器学习的双重能力,在实际应用中能够独立完成机器学习任务。 ### 回答3: Python机器学习实训是一种针对机器学习领域的培训课程,主要以Python语言为工具,让学员学习和掌握机器学习的相关知识和技能。 这种实训课程通常包含理论学习和实践操作两个方面。在理论学习阶段,学员会学习机器学习的基本概念、原理和算法,包括监督学习、无监督学习、深度学习等内容。学员会了解各种常用的机器学习算法,如线性回归、逻辑回归、决策树、支持向量机、神经网络等,并学习如何选择和优化合适的算法。 在实践操作阶段,学员会通过真实的数据集进行实际案例分析和建模实验。他们将使用Python编程语言和相关的机器学习库,如NumPy、SciPy、Scikit-learn等,进行数据预处理、特征工程、模型选择和评估等工作。学员会学习如何使用交叉验证、网格搜索等技术来优化模型,并通过可视化技术来展示和解释结果。 Python机器学习实训的目的是培养学员在机器学习领域的实际操作能力和解决问题的能力。通过这种实训,学员可以掌握Python语言,熟悉常见的机器学习算法和工具,并能够应用于实际项目中。实训过程中,学员还可以通过与导师和其他学员的互动交流,提高解决问题的能力和团队合作精神。 总而言之,Python机器学习实训提供了一个系统的学习机会,让学员在实践中掌握机器学习的技术和工具。这种实训有助于学员在人工智能领域中有竞争力,并为他们进一步深入研究和应用机器学习打下坚实的基础。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值