想学机器学习吗？带坑的那种

点击上方“AI派”，选择“设为星标”
最新分享，第一时间送达！

编辑：王老湿

当前Python已经越来越普及了，以至于很多高校都开设了Python这门编程课程。要说Python为什么能这么普及，有一个非常重要的原因是因为机器学习（machine learning，简称ML）的火热，带动了Python这门语言的市场需求。

经过王老湿调研发现，很多伙伴学习Python的目的也是为了后续更方便地学习机器学习，由此可见机器学习的火热程度，以至于王老湿都想吐槽一句：都9102年代了，谁还不是个MLer呢？不过在真正地学习机器学习的过程中，发现很多初学者困难重重，因为机器学习这门技术除了涉及到编程外，还涉及到很多数学知识（线性代数、统计学、概率论等）。更让人头疼的是，当你发现你学完了数学知识以及算法原理之后，又不知道该怎么应用它。

专栏介绍

基于上面的情况，王老湿邀请到了作者奔雷手，在接下来的这段时间里，他将会给大家带来关于机器学习的一个专栏：《机器学习入坑指南》。作者的简介如下：

奔雷手目前是名在校学生，当前主要在学习机器学习，也在做机器学习方面的助教，相对还是比较了解初学者学习过程的需求和问题，希望通过这个专栏能够广结好友，共同成长。

这个专栏主要针对于想要入门人工智能领域的学生群体或机器学习爱好者，通过专栏的学习，能够实现零基础想要了解和学习机器学习，降低独自学习的难度，减少解决疑问的时间。

专栏目录

环境配置

Python数据科学环境搭建

常用的Python库

Numpy
Pandas
Matplotlib
Seaborn

吴恩达机器学习作业讲解系列

线性回归
逻辑回归
多类分类
神经网络
偏差和方差
支持向量机
K-means 和PCA（主成分分析）
异常检测和推荐系统

Sklearn文档应用实例讲解系列

使用逻辑回归接口实现MNIST分类
使用决策树接口实现鸢尾花分类
使用SVM接口实现鸢尾花分类
使用高斯贝叶斯接口实现鸢尾花分类
使用神经网络接口实现MNIST分类
模型评估方法的使用
特征选择和降维算法的使用
LightGBM的使用
对K-means算法进行实践
对Sklearn使用的总结大

ML算法通俗讲解系列

可以看到，整个专栏目录分为了五大部分，第一部分环境配置的目的是为了让初学者能减少因为环境的原因而浪费大量的时间；第二部分常用的Python库的目的是为了后面进一步学习打下基础；第三部分吴恩达机器学习作业讲解系列根据吴恩达老师经典的机器学习课程来讲解对应的作业代码，包含了代码思路以及相关章节的总结；第四部分Sklearn文档应用实例讲解系列通过一系列官方文档经典案例的代码讲解，从而使读者熟悉这个库从而达到从大概懂代码到会用的境界；第五部分ML算法通俗讲解系列希望从一种更友好的角度去讲解经典的ML算法（如SVM，决策树等，会考虑使用视频的方式）。

更新计划

更新频率：一周一更
开始时间：下周开始

学习交流

为了方便大家更好地与作者进行沟通交流，为此王老湿针对这个专栏成立了微信读者交流群，我会邀请专栏的作者奔雷手坐镇交流群，大家想近距离与作者沟通，都可以来加入。

加入方式：扫描下方王老湿的微信二维码，添加微信，王老湿来邀请你加入交流群。

由于后续会有多个专栏发布，为了避免加错交流群，所以想要加入这个专栏的交流群时一定要备注：机器学习。

/ 今日赠送书籍 /
今天混脸熟（根据下面的今日留言主题去用心留言，我从最脸熟的读者中选出一位来赠送）的书籍如下。

内容简介：

本书不仅介绍大规模机器学习的基本概念，还包含丰富的案例研究。书中所选皆为实用的技术和工具，而对理论细节不进行深入讨论，旨在提供大规模机器学习方法。

不管是初学者、普通用户还是专家级用户，通过本书都能理解并掌握利用Python进行大规模机器学习。为让读者快速掌握核心技术，本书由浅入深讲解大量实例。例如：基于Scikit-learn可扩展学习、 Liblinear和Vowpal Wabbit快速支持向量机、TensorFlow深度学习技术与在线神经网络方法、大规模分类和回归树的可扩展解决方案、Hadoop和Spark分布式环境、Spark机器学习实践以及Theano和GPU计算的基础知识

?↑↑扫描上方二维码可购买

恭喜上期留言读者成功混脸熟，赠送书籍一本。

请财才材ccc同学联系小编：wanglaoshi201908

/ 今日留言主题 /

你是如何接触到机器学习的呢？

近期专栏推荐

1. 算法原理稳如狗，工程落地慌得很！AI炼丹炉实践指南来啦~

2. 从0到1，数据分析师修炼之路

3. "王老湿，我。。我想学那个。。爬虫。可以嘛"

点下「在看」，给文章盖个戳吧！?