-
1 # 太科羅技
-
2 # 開門雪尚飄
轉型進入機器學習領域有很多方式,這裡我給你推薦一些學習資源吧。
1. 線上課程
斯坦福大學在計算機科學和機器學習領域是處在世界前列的,這個學校有很多公開課,網上都可以找得到資源的,其中比較有名的是吳恩達的“CS229 | Machine Learning”還有李飛飛的“CS231n | Convolutional Neural Networks for Visual Recognition”。如果看英文比較費勁的話,網易雲課堂上有配有中文字幕的課程,連結在這裡(http://study.163.com/category/AI)。
網易雲課堂上也有其他很多關於機器學習、人工智慧的課程資源。
2. 書籍推薦
李航《統計學習方法》
《機器學習實戰》
《深度學習》(俗稱花書)
3. 實戰平臺
kaggle是一個很棒的實戰平臺,因為它上邊有許多現實中的問題的資料集可供使用。你也可以檢視核心,看看別人對比賽的資料集所使用的解決方案,可以邊實戰邊學習。
網址:https://www.kaggle.com/
GitHub是一個開源社群,也可以說是一個程式碼倉庫,這上邊有許多別人開源出來的程式碼和專案,透過閱讀別人的程式碼來學習,也可以幫助你更快地學習。
網址:https://github.com/
4. 論文
毫無疑問,要跟上時代前沿,看論文必不可少。許多大佬的研究成果會第一時間以論文的形式放出來,如果不去閱讀論文,就不知道大佬在做什麼研究工作。
這裡放出來一個網址,這上邊可以免費下載論文。
網址:https://arxiv.org/
-
3 # 葛小波不見了
由於機器學習比較火,待遇也比較高,所以很多的程式設計師小哥都會想要轉型到機器學習的領域,包括我前段時間也有過此類的想法,想去學習一下機器學習的內容。
對於程式設計師最重要的能力,我也曾經對很多人講過,就是學習,當然,我也自認為自己的學習能力其實還算不錯。所以在電腦上安裝了TensorFlow,然後去Google TensorFlow的官網上去看他的教材和Demo。
然後,我就被打擊了。
可能對於很多程式設計師來說,以前可能是做.NET應用程式的,或者Java應用程式的,然後想轉行去做遊戲,那學習一下游戲的一些引擎,類似U2D, U3D,然後做一些練習,基本就可以入門了。
但是機器學習其實對程式設計方面的能力要求並不是特別的高,機器學習對什麼要求最高呢?數學。
如果想學習機器學習相關知識的同學,可以去看看http://www.tensorfly.cn,它有很多關於機器學習的文章和demo。
我們平時在看技術文章的時候,我們可以看到很多很多的程式碼,甚至會有demo的程式碼下載。
但是我們看機器學習的文章的時候,會發現,裡面出現得最多的兩個字叫“演算法”。
我們可以看到很多這樣的內容:
說實話,做網際網路已經10多年了,計算機的知識,程式碼的知識,可以說我都問題不大。但是數學真的已經還給老師了。
一篇關於機器學習的文章看完以後,給我的感覺就是,完全不知道寫的什麼,這些一個個的數學公式是什麼鬼?
所以,如果大家想要從程式設計師轉型到機器學習領域,我推薦大家去看的第一本書就是《高等數學》。
先從基礎開始學習吧,把數學的基礎知識先穩固一下,這樣我們才能夠看得懂那些更深入的知識,自然,我們大學時候可能並不上心的《高等數學》,就需要好好的研讀一下了,如果你還保留的上課的筆記,少年,你是好樣的。
高數我們複習好了,接下來就是機率了,一本《機率論》掏出來吧。
說穿了,機器學習裡面有很多和機率有關的演算法,那不瞭解機率的基礎知識,只從應用出發是不合理的。
當你把這兩本書的知識都複習好了以後,那麼就可以開始你的演算法之路了。《Deep Learning》可以讓你充分的瞭解深度學習的演算法知識。
當然,可能很多的同學和我一樣,已經把數學知識都還給老師了,直接的去看數學方面的書,可能很難能夠回憶起當時的學習內容。
這個時候,可能你需要找個老師,好好的教教你數學了,無論是培訓班,還是一些大學的課程,去學習一下吧,這樣能夠接受得快一點。
如果同學你本來就是數學系出生,並且你的數學知識比較牢固,那恭喜了,你比學計算機的更加適合機器學習領域。
總而言之,人工智慧領域重要的是數學,所以,程式設計師們,轉型之前要慎重考慮。
回覆列表
兩個字—學習。一個程式設計師,最不該丟掉的能力就是學習能力。那麼該如何來進行學習呢?這裡我結合自身經驗來推薦一些機器學習的入門級教材。