当前位置:   article > 正文

人工智能-机器学习学习路线及详细的机器学习入门资源整理_林轩田 softmax

林轩田 softmax

导读:学习是一项复杂的智能活动,学习过程与推理过程是紧密相连的,按照学习中使用推理的多少,机器学习所采用的策略大体上可分为4种——机械学习、通过传授学习、类比学习和通过事例学习。学习中所用的推理越多,系统的能力越强。


首先来简单了解一下机器学习

机器学习人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

——监督学习

1)逻辑回归 
2)softmax分类 
3)条件随机场 
4)支持向量机svm

5)决策树 
6)随机森林 
7)GBDT 
8)集成学习

——非监督学习

1)高斯混合模型 
2)聚类 
3)PCA

4)密度估计

5)LSI 
6)LDA 
7)双聚类

 ——数据处理与模型调优

1)特征提取
2)数据预处理
3)数据降维

4)模型参数调优
5)模型持久化
6)模型可视化

机器学习领域的研究工作主要围绕以下三个方面进行:

(1)面向任务的研究:研究和分析改进一组预定任务的执行性能的学习系统。

(2)认知模型:研究人类学习过程并进行计算机模拟。

(3)理论分析:从理论上探索各种可能的学习方法和独立于应用领域的算法

机器学习是继专家系统之后人工智能应用的又一重要研究领域,也是人工智能和神经计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力,至多也只有非常有限的学习能力,因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展,必将促使人工智能和整个科学技术的进一步发展。

机器学习已经有了十分广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特侦识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人运用。


推荐整理好的机器学习入门学习资源

一、工具

Scikit-Learn 官方文档

Scikit-Learn 作为机器学习一个非常全面的库,是一份不可多得的实战编程手册。

二、公开课

吴恩达Coursera《Machine Learning》

这绝对是机器学习入门的首选课程,没有之一!轻松入门机器学习!

吴恩达(1976-,英文名:Andrew Ng),华裔美国人,是斯坦福大学计算机科学系和电子工程系副教授,人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。

2014年5月16日,吴恩达加入百度,担任百度公司首席科学家,负责百度研究院的领导工作,尤其是Baidu Brain计划。

吴恩达斯坦福cs229视频

吴恩达在斯坦福教授的机器学习课程 CS229 难度稍难一些。

林轩田《机器学习基石》

林轩田:林軒田教授於2001年在臺灣大學資訊工程系取得學士學位,並於2005年及2008年在美國加州理工學院相繼取得碩士及博士學位。他於2008年返回臺灣大學資訊工程系擔任助理教授,於2012年升等為副教授,並於2017年8月升等為教授連續獲得了四年(六座)的KDDCup世界冠軍。

台湾大学教授林轩田老师的《机器学习基石》课程由浅入深、内容全面,基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。而且林老师的教学风格也很幽默风趣,总让读者在轻松愉快的氛围中掌握知识。这门课比 Ng 的《Machine Learning》稍难一些,侧重于机器学习理论知识。

林轩田《机器学习技法》

《机器学习技法》课程是《机器学习基石》的进阶课程。主要介绍了机器学习领域经典的一些算法,包括支持向量机、决策树、随机森林、神经网络等等。难度要略高于《机器学习基石》,具有很强的实用性。

 需要以上视频及资料的可扫码加微

三、书籍

周志华《机器学习》

周志华,男,毕业于南京大学计算机科学与技术系(学士、硕士、博士),2001年留校任教 。现为南京大学教授,博士生导师 ;国家杰出青年基金获得者;南京大学计算机科学与技术系主任 、人工智能学院院长 、计算机软件新技术国家重点实验室常务副主任,机器学习与数据挖掘研究所(LAMDA)所长 ,校、系学术委员会委员。

这本《机器学习》被大家称为“西瓜书”。这本书非常经典,讲述了机器学习核心数学理论和算法,适合有作为学校的教材或者中阶读者自学使用,入门时学习这本书籍难度稍微偏高了一些。

李航《统计学习方法》

本书全面系统地介绍了统计学习的主要方法,适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生,也可供从事计算机应用相关专业的研发人员参考。

清华大学出版社出版,作者:李航

《Scikit-Learn 与 TensorFlow 机器学习实用指南

在经过前面的学习之后,这本《Scikit-Learn 与 TensorFlow 机器学习实用指南》非常适合提升你的机器学习实战编程能力。

这本书分为两大部分,第一部分介绍机器学习基础算法,每章都配备 Scikit-Learn 实操项目;第二部分介绍神经网络与深度学习,每章配备 TensorFlow 实操项目。如果只是机器学习,可先看第一部分的内容。

 四、实战 

kaggel比赛——比赛是提升自己机器学习实战能力的最有效的方式,首选 Kaggle 比赛。 


 小编整理了有关人工智能的资料,有图像处理opencv\自然语言处理、机器学习数学基础、必读电子书、论文合集等资源库,想学习人工智能或者转行到高薪资行业的,大学生也非常实用,无任何套路免费提供,,

加我裙966367816下载,或者扫码+vx 也可以领取的内部资源,人工智能题库,大厂面试题 学习大纲 自学课程大纲还有500G人工智能资料大礼包免费送哦~ 

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Cpp五条/article/detail/642895
推荐阅读
相关标签
  

闽ICP备14008679号