下面的每個資源都是我親身學過的,且是網上公開公認最優質的資源。
下面的每個學習步驟也是我一步步走過來的。希望大家以我為參考,少走彎路。
請大家不要浪費時間找非常多的資料,隻看最精華的!
綜述,機器學習的自學簡單來說分為三個步驟
前期:知識儲備包括數學知識,機器學習經典算法知識,程式設計技術(python)的掌握
中期:算法的代碼實作
後期:實戰水準提升
機器學習路徑規劃圖
一、數學基礎
很多人看到數學知識的時候就望而卻步,數學是需要的,但是作為入門水準,對數學的要求沒有那麼的高。假設你上過大學的數學課(忘了也沒事),需要的數學知識啃一啃還是基本能了解下來的。
1.1、數學内容
線性代數:矩陣/張量乘法、求逆,奇異值分解/特征值分解,行列式,範數等
統計與機率:機率分布,獨立性與貝葉斯,最大似然(MLE)和最大後驗估計(MAP)等
優化:線性優化,非線性優化(凸優化/非凸優化)以及其衍生的如梯度下降、牛頓法等
微積分:偏微分,鍊式法則,矩陣求導等
資訊論、數值理論等