目录
随着人工智能的发展,从事机器学习、数据挖掘等相关工作,包括推荐算法工程师、数据挖掘工程师、机器学习工程师,填补人工智能领域人才稀缺就业前景非常好,因此学习机器学习的人越来越多。不过这一方面的要求也很高的啦~
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科,接下来小编介绍机器学习的的内容:
一、机器学习概念入门
学习内容:
- 课程设置及大数据和机器学习区别
- 大数据时代究竟改变了什么
- 大数据架构体系和机器学习在大数据架构位置
- 以推荐系统为例
- 人工智能应用场景
- 人工智能各概念的区别和联系
- 什么是机器学习问题
- 基于规则的学习和基于模型的学习
- 机器学习各概念详解
- 机器学习概念补充及分类浅析
- 监督学习详解
- 无监督学习详解
- 半监督学习详解
- 强化学习和迁移学习
- 机器学习三要素理解
- 机器学习模型选择
- 进入机器学习最佳时机
二、机器学习数学基础
学习内容:
- 高中基础
- sigmod函数求导
- tanh函数
- 凸函数
- 机器学习高数必备
三、机器学习语言基础之Python语言
学习内容:
- 机器学习语言基础
- python基础介绍
- Python安装及第三方库使用
- 安装Anaco