1、误认为学习机器学习,要先补齐所有的前期知识
误认为学习机器学习,要先补好全部的数学基础,然后在学习python,最后学习机器学习的算法。
你可能听很多人说过,机器人学习需要很强的数学基础,然后你就疯狂地开始补数学基础,你开始学习线性代数、概率论等知识。
你的规划是7月份补数学基础,8月份学习Python,9月份开始正式学习机器学习。抱着严谨的态度,你要把数学知识都弄懂了才进行下一个环节。最后你的机器学习,始于数学而终于数学。以这样的心态学习下去,机器学习从入门到放弃,你可能不需要一个月。
学习机器学习,你不需要在准备阶段把需要的数学基础全部都补齐才开始,你可以边学边补充。用的什么补什么,这样效果比较好,而且印象深刻。
2、不要搜集过多的资料,要按照自己的需求搜集合适的资料。
很多时候的你们,学习一门语言或者课程的时候,都想着资料越多越好,不管用不用,我先收集了再说。
这就导致了你的很多资料和视频都在百度云盘中睡大觉,正如你们看知乎一样,不管答主写了啥,先收藏再说,后期看不看我不知道,反正收藏等于学会这一点准没错。这就导致了你们看了五花八门的帖子,还区分不出来答主所要表达的核心观点。
所以我说,选择你所需要的合适资料就行,比如你要学习自然语言处理,你就搜集自然语言处理的资料,别的五花八门的暂时不要关心,遇到非常好的资料也要分类区分一下。现在的方向越来越多,资料也越来越多,你想都看完是不可能的。
有针对的选则是很重要的,不然你就会像没有目标的苍蝇一样,飞来飞去,最后啥也没学会。
下面说一下机器学习如何入门?
1、准备一些数学资料(课本即可)
你需要准备一些数学资料供你随时学习,如果你实在不放心可以先用几天的时候复习一下。
线性代数:
(1) 向量
(2) 基本概念、常见运算(向量加法、向量乘以标量、向量点乘)、向量性质(线性相关、线性相关的几何意义、正交、 正交 vs 线性无关)
(3)线性变换与线性函数
(4) 线性变换、 线性函数(可加性、齐次性)
(5)矩阵
(6)m x n 矩阵、矩阵的基本运算、矩阵运算的规律、矩阵与线性变换的关系、相关基本概念(矩阵的秩、列秩、行秩、满秩矩阵、子式、余子式、零矩阵)、对称矩阵、对角矩阵、可对角化和对角化、相似矩阵和相似变换、 正交矩阵和正交变换、 用正交阵对对称阵进行合同变