09-07 周三 周志华-机器学习的下载和阅读总结

09-07 周三 周志华-机器学习的下载和阅读总结

简介

 现在是9月7日,距离自己入职之江实验室也正好5个月的时间了,这5个月的时间让自己也渐渐的融入了现在的生活。在之前的单位呆了五年,这五年自己从初入职场的无所适从,到对于工作得心应神,当然,现在身上一堆的毛病需要修改,比方说沟通时候,要等到别人说完自己的意见,要注意自己的语气,要养成复盘的习惯,多注意日常生活中自己做的不对的地方,说的不合时宜的话,不得体的举动等,从小事复盘,从情绪入手,逐步养成稳定的情绪,并且呢还要不断的经历事情修炼情绪,修炼自己遇到事情的心态,还要不断的阅读什么的,感觉也是很烦,毕竟如意的事情比较少,不如意的事情很大一堆。真的很难啊。

 机器学习这本书,因为自己比较能看书吧,新工作自己又是算法框架组,所以觉得自己就非常希望,等2年过后,自己能够具备从事机器学习或者深度学习这种算法有关的工作,毕竟也是一个独立的领域,自己可以一直深耕,不断的朝着这一个方向不停的挖掘下去。

 另外也感谢现在的自己能拥有这样的运气吧,毕竟之前5年的Java开发经验,让自己对于当时的算法同学特别生气,因为做出来的应用完全不行,换一个环境,之前识别结果就无法识别了。然后因为Java工程师无法决定底层的核心技术,所以就非常生气,又没有办法,一直在上层优化,但不解决核心问题。这样呢就对我们原来单位的算法的能力就失望了。然后因为身处上层吗,就总是改来改去的,和CRUD工程师也差不读,就不想玩了。自己现在有这样的机会,自然是倍加珍惜,要把机器学习领域的基础知识学的非常扎实,这就是自己现在的目的。2年后,让自己具备从事机器学习相关工作的能力是自己当前当务之急的事情。

 机器学习这本书,自己是从07-07日开始阅读的,2022年8月30日自己完成了这本书的阅读,一共是花费了83个番茄,34h,当然不是一个准确的数字。自己使用滴答清单记录了这么久的时间。

image-20220907200255408

 看的时候,也很质疑,很困惑,因为有些名词根本就看不懂,然后呢,自己就在哪里硬看,也不知道有没有帮助,现在自己是这么觉得,反正都是不懂的,以前都是很高大上的名词,但是现在呢,就是要把这些非常陌生的词汇,让脑子比较熟悉嘛,就好比从来没有见过沙滩的孩子,突然来到海边,碰到一个贝壳,就捡一个贝壳,这样在艰苦的捡贝壳的过程中,我们总是能找到一个Roammap,这会告诉我们,哪里有贝壳,哪里的贝壳基本上是什么样子。这样当我们熟悉了之后,我们就能知道去哪里找什么。虽然艰深,但想来认真雕刻的时间,总是能得到回响的吧。这便是自己咬牙看完这个看不懂的书的原因。看一遍很痛苦,看两遍很痛苦,但是当甘之如饴的时候, 或许就是得到了进步。毕竟这本书是大家公认的西瓜书啊。

机器学习

 这是本书的目录,如下:

image-20220907202221990

 基本上,可以认为基本理解的是着色的章节,自己昨天夜里发了一个降维与度量学习的[09-06 周二 Python之KNN算法的实现],在这个书里面是归属于降维与度量学习的一部分的。

链接: https://pan.baidu.com/s/1yzKw29ZgKalKcWMUEvS6mg 提取码: why4 复制这段内容后打开百度网盘手机App,操作更方便哦

 通过这本书,自己了解到很多不懂的东西,至少,现在模型评估与选择、线性模型、决策树、神经网络是必须要掌握的,尤其是神经网络中的经典神经网络,一定要能达到手写的水平,现在自己还欠缺太多的东西。另外SVM、Bayes、集成学习、聚类、特征选择与稀疏学习自己也要尽快的学会。要能够写出来并且理解其中的运行逻辑和过程。这本书讲ML是很经典的书,周志华老师也比较用心,自己算是通过这本书的阅读,让自己简单入门吧,接下里,自己就是要实践这其中的算法,比如说图解机器学习这个书,虽然比较基础和简单,但是里面有代码,就很不错,自己就可以实际通过阅读代码,加深对于ML和DL的学习。

 了解自己的不足,这样的感觉还是不错的。就让自己非常的紧迫。

总结

 今年自己也阅读了不少的书了,简单罗列一下:

  • 周志华-机器学习
  • 深入浅出Docker
  • 百年贝聿铭
  • Java高并发程序设计
  • 大象Thingking In UML
  • 贝佐斯的阅读

 希望能够通过阅读,不断的锤炼自己,为自己以后接收更大的毒打做准备。

评论
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