安装Python及其第三方库
关于Python及其第三方库如何安装,这里不做过多篇幅,请自行搜索引擎。
推荐使用Anacoda
自带了很多第三方科学计算库,并且击沉包管理功能,简单易用。软件操作及其使用,请发挥主观能动性,自行摸索。
入门课程选择
吴恩达的机器学习课程想必是国内最熟悉的了,我们从他的Deep Learning Specialization开始入门,同样,无法翻墙的同学,请移步国内第三方资源进行原版查看,但是Andrew的课堂练习是使用的M语言,也就是用于Matlab和Octave的语言。我们不用这个,因为实在是。。。emmm,不用它自带的函数,你将会从python中学到更多,所有的课堂练习,我们用python实现。为啥选择Python,请参看CS224d intro to TensorFlow
详细说明了为什么python会是用于机器学习更好的选择。
项目来源
所有的原理和代码学习都来源于真实生活,我希望以此能让你解决真实生活中难题同时为社会创造价值,这里是机器学习你开始的一小步,但是是人类社会进步的一大步。
参考书
我们不能妄想在应试教育下的学习,做了A达到B,拿到C。人生没有标准答案。学习要发挥我们自己的主观能动性。自行搜集资料,学习前人的经验,每个人的基础都各不相同,并没有统一的指导规划。
Andrew的课程有意忽略了一些对于新手来说难以理解的东西。可以说他是教你做什么,怎么做。
而Learning from Data这本书则是教你为什么这么做,图书没有中文版。而翻译水平又参次不齐。想要学好技术的同学,要忍住恶心,看英文文档,自会发现一个全新的世界。
工程结构
每个练习有独自的目录,在每个目录里你会找到
1.引导你完成工程的文档
2.一系列Jupyter notebook
3.数据源
我没有把所有代码都放在notebook里,因为我认为这样非常混乱,你只会见到可视化后的呈现和公式。
在帮助模块里,你可以找到模型实现的细节和学习算法。
好的,入门准备就到这里,接下来,让我们开始正餐