AI实战入门(二)：机器学习开发流程

04 机器学习开发流程

4.1获取数据

4.2处理数据

4.3特征工程（将数据处理成可以被算法使用的数据）

4.4机器学习算法训练 - 模型

4.5模型评估

4.6应用

 

老麦在这整理提供一些在线下载的数据集，可快速入门机器学习。

尽快进入机器学习的研究，那么可以从以下网站中获取数据。

https://tianchi.aliyun.com/datalab/index.htm 天池数据首页。

https://tianchi.aliyun.com/competition/gameList.htm 天池比赛数据。定个小目标，参加3~5次比赛，能进入前10%就算合格了。

https://www.kaggle.com/competition kaggle比赛数据。

https://www.kaggle.com/datasets  kaggle数据集。

https://aws.amazon.com/cn/public-datasets/ 亚马逊数据。

http://www.sogou.com/labs/resource/list_pingce.php 搜狗实验室

重点介绍：

http://archive.ics.uci.edu/ml/dataset.html 加州大学提供的机器学习入门级数据，基本都清洗好了，可以直接放到机器里跑。

 

05 机器学习框架和资料介绍

牢记：

1）算法是核心，数据与计算是基础

2）找准定位

大部分复杂模型的算法设计都是算法工程师在做，而大多数人在做的是：

分析大量的数据

分析具体的业务

应用常见的算法

特征工程、调参数、优化

 

快速学习指导：

1）入门（听课入门）

2）多观看实战类书籍，自学解决工作中的问题

学会分析问题，使用机器学习算法的目的，想要算法完成何种任务，掌握算法基本思想，学会对问题用相应的算法解决，学会利用库或框架（如TensorFlow或pytorch）解决问题

3）进阶研究理论：理论权威书籍，如：机器学习（西瓜书） - 李志华，统计学习方法 - 李航，深度学习（花书） 

搜公众号「老麦叨逼叨」一起交流~