学习AI,我们并非初始就针对各种深度学习网络架构,而是应该从机器学习开始。
1.基础学习资料
(1)统计学习方法-李航著
此书偏向原理和推导。包括对感知机、k近邻算法、朴素贝叶斯法、决策树、逻辑斯谛回归、支持向量机(SVM)等详细定义和描述。契合上篇文章中的技术体系图内容。
个人无意中发现的,喜欢其教学思路,虽然他的书籍和课件是英文的,但视频教程是中文的,结合《统计学习方法》一起学习,效果不错。
针对上述内容以后都会针对性的讲解。
2.机器学习基础学习前言
什么是机器学习?机器学习的应用场景?机器学习的组成部分?机器学习与数据挖掘、AI之间的关系?我们脑海首先需要对这些问题有一个大体的印象,林教授的四个视频分别对其做了解释:
2.Applications of Machine Learning
3.Components of Machine Learning
4.1Machine Learning and Other Fields
第一讲课件、笔记、和统计学习方法-李航pdf下载地址:点击此处
3.下篇文章安排
终于要到我最喜欢的具体方法原理和解决实际问题环节了,预下篇文章:机器学习基础第2讲-感知机的原理和实现(待续)