游戏服务器_无限虚拟主机_高性价比

时间:2022-05-11 15:40       来源: 微辰云

游戏服务器_无限虚拟主机_高性价比

大家好,

在萨普泰希德巴塞罗那2016年,我有幸成为一名社区发言人。我做了一个关于机器学习的讲座,我以前在这里分享过。同时,我也在Slideshare上发布了幻灯片,购物返利平台,以防您感兴趣。

我还做了一个后续的网络会议,重点是如何进入机器学习自己。因为这个简短会议的幻灯片相当枯燥(只是收集到书籍、mooc等的链接),我想最好在这里再写一篇博文来讨论细节。

那么如何进入机器学习呢?当然,有很多选择,从刚开始涉足代码库,到注册博士课程。不过,我并不推荐这两种方法。

在我看来,在深入学习之前,了解基础知识是很重要的,尤其是机器学习。我知道许多开发人员喜欢通过刚开始编写软件并从中学习来了解一个主题。机器学习的"问题"是代码通常很容易编写。从技术上讲,这并不是一个真正的挑战,因为有许多库提供对不同算法的轻松访问。然而,使用这些库将教会你很少关于机器学习本身。实际上,免费自助建站系统,您将把库用作黑盒。因此,即使你理解了一个算法或一个评估指标的结果,你仍然没有学到太多关于机器学习的知识。

在另一个极端,你可以从一些教育项目开始,首先学习很多数学知识(机器学习更具理论性部分的先决条件)。然后你可以深入研究不同的算法和它们的变化,等等。这很容易花你两到三年的时间。最后,大数据开发,你很难在实践中学会如何进行机器学习?我的建议是先读一些介绍性材料,让你了解机器学习是什么。你会熟悉一些中心话题,不管你使用什么算法,或者你想解决什么样的问题,这些话题总会回来。我对这一阶段的主要建议是:商业书籍的数据科学。

那么,你可能想做一个关于机器学习的大规模在线开放课程(又名MOOC),现在有很多。你可以从Andrew Ng很受欢迎的CurSera机器学习MOOC开始。另一个MOOC包含了更多的数学,但也更深入的是斯坦福大学的一个统计学习,由特雷弗黑斯蒂和罗伯蒂比希拉尼。还有很多其他的。我发现一个网站是比尔·凯姆勒(billkymler)的博客,它有助于人们了解什么是有效的,什么是无效的。在过去的一年里,他一直在向数据科学家转型,并对自己所做的一切进行了评估。当然值得一读!

一旦你了解了什么是机器学习,它是如何工作的,它解决了什么样的问题,云品,就必须把手弄脏。

这里我还没有任何建议,因为它正是我目前所处的位置;-)。

我过去所做的,为了获得至少一些实践经验,是更多mooc,尤其是其中的一对进入了机器学习和大数据领域。使用Databricks社区版(免费!)你可以在Spark上工作,同时进行一些机器学习。有趣的MOOC有:使用Apache Spark进行大数据分析(edX,Berkeley CS110x)apachespark分布式机器学习(edX,Berkeley CS120x)

我还推荐Jason brownley的博客,里面有很多实用的建议。我买了几本他非常注重实践的书,这些将是我进入机器学习的下一步。但是还没有官方的建议…

最后,我发现了一些有趣的链接。

神经网络和深度学习:一本由迈克尔·尼尔森写的在线书,如何做淘客,他显然有能力非常清楚地解释事情。推荐,即使我还没读完。

MOOCs:R专业统计,课程由Mine Chetinkaya Rundel编写Emily Fox和Carlos Guestrin的机器学习专业课程

索引页:数据Sci指南数据科学硕士数据科学之路关于机器学习的免费书籍

虽然还有很多其他资源,但这些应该足以让你在接下来的几年里保持忙碌;-)。

快乐的机器学习!