自己摸索:机器学习从0到1系列---1 入门的准备

首先,我是一个程序员,应用级的嵌入式开发程序员,完全没有机器学习的相关基础和工作经验。

 

我准备发挥程序员的强大自学本领,来看看如去掌握“机器学习”这个技能

 

打开百度,输入“机器学习 招聘”,可以看到大量和相关职位

例一:

发高质量可用的机器学习算法解决实际问题(例如计算机视觉,文本挖掘) 要求: - 熟悉基本机器学习方法(降维,分类,回归等) - 熟悉深度学习基本原理 - 熟悉tensorflow,mxnet,scikit-learn等至少一个机器学习/深度学习框架 - 有良好编程基础,熟练掌握python,c/c++语言 - 有良好抗压能力和责任心

 

例二:

岗位职责:

1、参与大数据分析,大数据处理,数据挖掘等系统的设计和开发;

2、根据业务需求进行数学建模,设计并开发高效算法,并对模型及算法进行验证和实现,解决实际业务问题;

3、应用各种机器学习、数据挖掘技术进行数据分析与数据挖掘;

4、关注人工智能相关算法的业界动态,并结合业务情况进行技术预研;

任职资格:

1、全日制本科及以上学历,计算机、数学、统计等相关专业;

2、熟悉C、C++、java、Python等一门或多门编程语言;

3、2年及以上Hadoop开发与应用经验,熟悉MapReduce、Spark、Storm、HBase等主流大数据技术;

4、熟悉各种特征提取、数据降维等数据处理技术;

5、熟练应用各种分类聚类算法;熟悉各种相关性算法、回归算法;了解常用的社交分析模型;

6、了解典型数据挖掘工具,具有数据挖掘算法开发经验;

7、工作有计划性,责任心和执行能力强,具备高度的责任心、诚信的工作作风、优秀沟通能力及团队精神;

8、能够阅读英文技术文档及论文,具有良好的自学能力,可以快速学习和掌握新的方法和技术

 

这里可以看到,有两种相关的工作,一个是机器学习算法的研究工作,一个是在应用中使用机器学习的相关技术,来服务于产品。

 

作为一个零基础的人,没有办法一来就玩最高深的东西,那么我们摸着门,来看看,一些基本的敲门砖,是哪些?

 

看到上面的两个招聘信息,我们发现:

1 : c/c++语言,Python是必须要熟练的语言

2:  熟悉基本机器学习方法 ,“聚类,分类,回归等”基本算法

 

c/c++语言就不说了,首先,要熟练掌握:Python 语言

基本的机器学习方法,这些东西先做了解,清楚有哪些,基本是什么东西。

入门,尽量把难度的坡度降的越底越好,平缓中带点提高,这样可以提供自己的学习动力,看到不断的进步,也不会被难道吓坏,而无法前进。这也是一种比较有效的学习方法。

 

后面的学习,使用 《机器学习算法编程与实践》作为指导书,来进行一步一步的学习。

中间遇到的各种知识点,在具体情况下再具体的分析,跟踪。

 

当然,第一遍的学习,仅仅做入门的了解,先跑一跑,动手做一做,看看机器学习运行起来是什么样的,然后在这个基础上再倒推回去,看看里面,用了什么思想,用了什么数学知识


对了,我的数学非常的差

可能没有找到好的教材吧

目 录 ............................................................... I 实验 1 监督学习中的分类算法应用 .................................. - 1 - 实验目标 .................................................. - 1 - 实验软、硬件环境 .......................................... - 1 - 实验任务.................................................. - 2 - 实验 1.1 Python 开发环境搭建 ...................................... - 2 - 实验目标 .................................................. - 2 - 实验任务 .................................................. - 2 - (1)Python 安装与配置 ............................. - 2 - (2)Pycharm 安装和配置 ............................ - 4 - (3)Python 中安装第三方库 ........................ - 11 - 实验 1.2 K-近邻算法实现 ......................................... - 14 - 实验目标 ................................................. - 14 - 实验任务 ................................................. - 14 - (1)电影类别分类 ................................. - 14 - (2)约会网站配对效果判定 ......................... - 14 - 实验 1.3 决策树算法实现 ......................................... - 16 - 实验目标 ................................................. - 16 - 实验任务 ................................................. - 16 - (1)银行房屋贷款申请 ............................. - 16 - (2)患者佩戴隐形眼镜类型预测 ..................... - 17 - 实验 1.4 朴素贝叶斯算法实现 ..................................... - 19 - 实验目标 ................................................. - 19 - 实验任务 ................................................. - 19 - (1)文本分类 1 ................................... - 19 - (2)文本分类 2 ................................... - 19 - 实验 1.5 Logistic 回归算法实现 ................................... - 21 - 实验目标 ................................................. - 21 - 目 目 录 II 实验任务 ................................................. - 21 - (1)构建 Logistic 回归分类模型 .................... - 21 - (2)预测患疝气病的马的存活问题 ................... - 21 - 实验 1.6 SVM 算法实现 ............................................ - 23 - 实验目标 ................................................. - 23 - 实验任务 ................................................. - 23 - (1)构建 SVM 分类模型 ............................. - 23 - 实验 1.7 监督学习中的分类算法综合应用 ........................... - 24 - 实验目标 ................................................. - 24 - 实验任务 ................................................. - 24 - (1)手写识别系统 ................................. - 24 - (2)电子邮件垃圾过滤 ............................. - 25 - 实验 2 监督学习中的回归算法应用 ................................. - 26 - 实验目标 ................................................. - 26 - 实验软、硬件环境 ......................................... - 26 - 实验任务 ................................................. - 26 - (1)鲍鱼年龄预测 ................................. - 26 - (2)乐高玩具价格预测 ............................. - 27 - 实验 3 无监督学习中的聚类算法应用 ............................... - 29 - 实验目标 ................................................. - 29 - 实验软、硬件环境 ......................................... - 29 - 实验任务 ................................................. - 29 - (1)使用 K 均值算法对数据进行聚类分析 ............. - 29 - (2)对地图上的点进行聚类 ......................... - 30 -
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值