首先,我们来看下当前机器学习领域招聘市场行情。
上面图例中所有带有“算法”、“人工智能”、“数据挖掘”、“NLP”字样的职位,都需要掌握机器学习相关知识。
在产品和服务中应用机器学习模型,已经逐步成为互联网行业的通行方法。甚至很多传统软件企业,也开始尝试应用机器学习。说得更直接些,人工智能正处在炙手可热的风口浪尖上,作为程序员不会机器学习都不好意思去找工作。
很多技术开发者迫切希望快速进入人工智能领域,从事工程或者算法等相关工作,这也是我们推出这个专栏的初衷。
这个专栏讲了什么
本专栏针对机器学习初学者,从机器学习、深度学习最基本的原理及学习意义入手,以模型为驱动,带领大家吃透几个最经典的机器学习模型——学习这些模型的原理、数学推导、训练过程和优化方法。
本专栏为每个模型提供了极小数据量的“极简版”实例,方便读者从直观上了解模型的运行原理。借助这些例子,大家可以将自己变身为“人肉计算机”,通过口算/笔算每一步的推导,模拟算法全过程,进而彻底理解每个模型的运作方式。
此外,本专栏还介绍了构建数据集、特征选择、调参、验证模型的方法,以及如何同步进行编程语言学习。帮助你掌握进行机器学习产品开发的基本能力。
你将收获什么
AI 技术岗位求职知识储备
在面试中被要求从头解释某一个机器学习模型的运行原理、推导过程和优化方法,是目前非常常见的一种测试方法。如果能学会专栏中的经典模型,你将足以挑战这些面试题。
触类旁通各大模型与算法
要想理解模型的真正含义,需要以若干具体模型为载体,从问题发源,再到解决方案的数学抽象以及后续求解的全过程,这也就是本专栏以模型为驱动的出发点。
极简版实例体验实际应用
本专栏不仅以原理为核心,而且也介绍了:划分数据集、从源数据中提取特征、模型训练过程、模型的测试和评估等方法和工具。
配套数据 + 代码快速实操上手
专栏中各个实例的 Python 代码及相应数据,均可供大家下载、运行、改写、参考。
专栏大纲
整个专栏以经典模型为驱动,讲述每一个模型所解决的问题域、模型原理和数学推导过程。作为专栏的主体,第三部分和第四部分讲解的每个模型,都附有实例和相应的 Python 代码。每个例子的数据量都非常小——这样设计就是为了让读者可以用人脑模拟计算机,根据刚刚学到的模型算法对这些极小量数据进行“模拟训练/预测”,以此来加深对模型的理解。本专栏分为六大部分,共计 42 篇文章。
第一部分:绪论
授人以鱼不如授人以渔。本部分从意义和作用出发,给出相应的学习方法和与理论配套的编程练习。
第二部分:基本原理
深谙其理,才能灵活应变。本部分带大家了解什么是机器学习、机器如何自己学习,以及机器学习三要素:数据、模型、算法之间的关系。
模型是机器学习的核心,那么模型是怎么得到的呢?本部分也将讲解模型的获取(训练)和评价(验证/测试)过程,相应数据集合的划分以及具体的评价指标。
这部分知识和后面讲述的具体模型结合起来,就可以实践了!
第三部分:有监督学习 I
抓住关键,个个击破。本部分重在详细讲解有监督学习中经典的线性回归、朴素贝叶斯、逻辑回归、决策树模型。这几个模型不仅基础、经典、常用,而且数学工具特别简单。
第四部分:有监督学习 II
百尺竿头,更上一层楼。本部分主要讲述支持向量机、支持向量回归、隐马尔可夫和条件随机场模型,从支持向量机开始,数学工具的需求较之前上了一个台阶,难度明显加大。
第五部分:无监督学习
无须标注,方便运行。本部分重在讲解无监督学习中的聚类、高斯混合及主成分分析等模型。训练数据无须标注,方便在各种数据上随时进行尝试,是这些模型的特征。在现实中,经常用来作为有监督的辅助手段。
第六部分:从机器学习到深度学习
超越自我,实现蜕变。本部分重在讲解深度学习基本原理、深度学习与机器学习的关联与衔接,以及深度学习目前的应用领域,为读者下一步学习“深度学习”奠定基础。
作者介绍
适宜人群
机器学习初学者;
理科在校学生;
有一定编码经验,有意愿转向 AI 领域的 IT 从业人员。
订阅须知
本专栏为图文内容,共计 42 篇。
本专栏为虚拟产品,一经付费概不退款,敬请谅解。
本专栏可在 GitChat 服务号、App 及网页端 gitbook.cn 上购买,一端购买,多端阅读。
订阅福利
订购本专栏可获得专属海报(在 GitChat 服务号领取),分享专属海报每成功邀请一位好友购买,即可获得 25% 的返现奖励,多邀多得,上不封顶,立即提现。
提现流程:在 GitChat 服务号中点击「我-我的邀请-提现」。