机器学习知识体系 (强烈推荐)
随着 2016 年 Alpha Go 在围棋击败李世石,2017 年初卡内基梅隆大学人工智能系统 Libratus 在长达20天的鏖战中,打败 4 名世界顶级德州扑克玩家,这标志着人工智能技术又达到了一个新的高峰。
人工智能已经不再是在各大公司幕后提供各种智能推荐、语音识别算法的工具,它已经慢慢走向台前进入到平常百姓的视野之中。
曾经有人描述人工智能就向一列缓缓开向人们的火车,一开始非常遥远而且看起来非常缓慢,它慢慢接近,直到人们清楚看到它的时候,它已经呼啸而过,把人远远抛在身后。现在似乎就是人们可以远远看到人工智能的时候,它已经发展数十年,但直到最近才引起广泛注意,随着大数据的积累、算法的改进、硬件的提升,人工智能可以在很多细分的领域成为专家,辅助人类甚至超过人类。
接触一个领域的第一步是尽快的了解全貌并且搭建出相应的知识体系。大致提纲如下(后续不断补充):
1 - 数学
线性代数、微积分
在整个机器学习过程中涉及大量矩阵运算和微积分导数的概念,因此建议初学者至少要有较为扎实的数学基础,对矩阵和微积分的概念了解比较清楚。否则在一些公式推导过程中会遇到较大障碍,而不断反复回来复习数学知识。
2 - 编程语言
Python/R/Java/Matlab
Python 已经成为机器学习的第一语言,至于为什么知乎(https://www.zhihu.com/question/30105838?sort=created)中有非常不错的解释。众多机器学习的框架都支持 Python API,所以学习机器学习,Python 语言语法估计是绕不过去。
3 - Supervise learning
Linear regression
Logistic regression
Neural network
SVM
监督学习指的是人们给机器一大堆标记好的数据,比如一大堆照片,标记出哪些是猫的照片,哪些不是,然后让机器自己学习归纳出算法,可以判断出其他照片是否是猫。目前这个领域算法代表:Linear regression, Logistic regression, Neural network, SVM等等。
4 - Unsupervise learning
K-means
PCA
Anomaly detection
非监督学习指的就是人们给机器一大堆没有标记的数据,让机器可以对数据进行分类、检测异常等。
5 - Special topic
Recommend system
Large scale machine learning application
一些特殊算法,例如推荐系统。常用于购物网站,可以根据你的过往购物或评分情况,来向你推荐商品。
6 - Advice on machine learning
Bias/vairance
Regulation
Learning curve
Error analysis
Celling analysis
机器学习的建议,包含参数正则化、学习曲线、错误分析、调参等。
7 - Deep Learning
Neural Netwotk
深度学习是近期机器学习的一个热门分支,模拟人类大脑的思维方式,可以极大的提高正确率,是近来机器学习的一个非常大的突破。
8 - Tools/Framework
TensorFlow/Theano/Keras
很多大厂就开源了一些机器学习的框架,基于这些框架可以很容易搭建机器学习的平台。
推荐的学习资料:
Github上面有一份非常详尽的学习路径 (https://github.com/JustFollowUs/Machine-Learning)
我个人推荐的几个经典资料:
机器学习
Andrew NG的Coursera的机器学习入门 (https://www.coursera.org/learn/machine-learning):这个教程非常适合初学者,没有很高深的数学推导,Andrew也是业内大牛但非常谦逊,讲解非常浅显易懂。
周志平的机器学习(https://book.douban.com/subject/26708119/):号称最好的中文机器学习入门,这里有对这本书的详细评(https://www.zhihu.com/question/39945249)。
几本经典著作:An Introduction to Statistical Learning,Pattern Recognition and Machine Learning,The Elements of Statistical Learning
深度学习
Neural Networks and Deep Learning:Michael Nielsen 用非常浅显易懂的方式介绍了神经网络和深度学习,并且提供了一个手写数字识别的例子,非常适合入门。
UFLDL Tutorial I UFLDL Tutorial II:Andrew NG 主导的 Deep Learning 的学习资料,内容非常精炼,适合稍微有些基础的同学。
Deep Learning:几位大神共同编写的关于深度学习的 free book。
从人工智能到机器学习,再到最近大热的深度学习,人们已经在这个领域研究了数十年,现在虽然取得一定的突破,但是离真正的人工智能还有非常长的距离。而且人工智能一定要跳出学术界的研究框架,结合工业界的应用,从2016年可以看到大量的实际应用场景,例如自动驾驶、Apple Siri、Amazon Echo、谷歌翻译等等,我相信未来人工智能领域极有可能成为下一代颠覆性的技术革命。
本文作者:奶爸码农
看完本文有收获?请分享给更多人
欢迎关注“互联网架构师”,我们分享最有价值的互联网技术干货文章,助力您成为有思想的全栈架构师,我们只聊互联网、只聊架构,不聊其他!打造最有价值的架构师圈子和社区。
本公众号覆盖中国主要首席架构师、高级架构师、CTO、技术总监、技术负责人等人 群。分享最有价值的架构思想和内容。打造中国互联网圈最有价值的架构师圈子。
长按下方的二维码可以快速关注我们
如想加群讨论学习,请点击右下角的“加群学习”菜单入群。
机器学习知识体系 (强烈推荐)相关推荐
- 机器学习知识体系(强烈推荐)
机器学习知识体系(强烈推荐) 随着2016年Alpha Go在围棋击败李世石,2017年初卡内基梅隆大学人工智能系统Libratus在长达20天的鏖战中,打败4名世界顶级德州扑克玩家,这标志着人工智能 ...
- 【福利】【送书第四弹】机器学习知识体系
[福利][两周年庆典,送书第四弹] 本次赠送6本(以下两本随机赠送) 开奖方式:1024人或3天自动开奖 点击下方小程序 推荐理由: 本书是一本优秀的数据科学入门教材,由资深数据科学家撰写,不仅全面. ...
- 人工智能(10)---机器学习知识体系篇(初级篇,中级篇,高级篇)
机器学习知识体系篇(初级篇,中级篇,高级篇) 下面是自己总结一套人工智能机器学习整个知识体系,一起学习,有总结不到位的希望大家给出纠正! 一 人工智能基础语法篇 二 人工智能中级篇 三 人工智能高级篇
- 【机器学习知识体系】- 机器学习问题的一般流程
https://www.toutiao.com/a6678981598257349134/ 今天开始会陆续将之前的文章做一下梳理,整理出一个完整的知识体系,有需要的伙伴们可以更方便地查找自己需要的知识 ...
- 百面机器学习知识体系
下面按照百面机器学习这本书构建机器学习的知识体系. 参考资料:葫芦娃,百面机器学习-算法工程师带你去面试,中国工信出版集团.
- 机器学习入门知识体系
IT派 - {技术青年圈} 持续关注互联网.大数据.人工智能领域 关注 往期精彩回顾 重大改变!Excel即将接入Python!办公软件也要革命 入门十大Python机器学习算法(附代码) 女博士实名 ...
- 如何快速全面建立自己的大数据知识体系? 大数据 ETL 用户画像 机器学习 阅读232 作者经过研发多个大数据产品,将自己形成关于大数据知识体系的干货分享出来,希望给大家能够快速建立起大数据
如何快速全面建立自己的大数据知识体系? 大数据 ETL 用户画像 机器学习 阅读232 作者经过研发多个大数据产品,将自己形成关于大数据知识体系的干货分享出来,希望给大家能够快速建立起大数据产品的体 ...
- 重构机器学习算法的知识体系 - 《终极算法》读书笔记
2019独角兽企业重金招聘Python工程师标准>>> 最近有幸从图书馆借阅了Pedro Domingos的<The Master Alogrithm>一书,这本书的中文 ...
- 我的机器学习入门之路(下)——知识图谱、推荐、广告
继上一篇<我的机器学习入门之路(中)--深度学习(自然语言处理)>,这一篇博客主要记录了我对知识图谱.推荐和广告等方向的一些涉猎与基础学习. 一.知识图谱 从自然语言处理到知识图谱,是一个 ...
- 机器学习与知识发现_01机器学习算法整体知识体系与学习路线攻略
入行机器学习有一年多了,做过大大小小的机器学习项目,参加数据竞赛等实践活动,从最初的懵懵懂懂到现在逐步的深入,也渐渐的有了很多的体会和理解,本篇文章主要来阐述机器学习的知识体系,以让更多人明白机器学习 ...
最新文章
- 使用git上传代码到github
- Ubuntu使用PBIS认证
- linux 命令提示符 时间,在LINUX的命令提示符及CMD命令提示符中显示时间
- Spring-AOP动态代理技术(底层代码)
- windows c语言 pipe,pipe 函数 (C语言)
- @async 默认线程池_SpringBoot 线程池的使用
- 组合数学 —— 容斥定理
- Two-Stream RNN/CNN for Action Recognition in 3D Videos-阅读笔记
- 东芝正式退出笔记本电脑业务!
- 理解Linux高性能网络架构的那些事
- Linux下安装Java运行环境
- Vivado下载bit文件正常不能在线抓取波形
- representation learning的理解
- RecyclerView+自定义IndexBar实现自定义带索引的通讯录
- App 启动流程与 Activity 启动流程梳理
- java-集合框架库
- python关键词生成文章_如何生成关键词云图?
- 知瓜数据爬取-机构排行榜
- 创造娱乐性:阐述编写游戏对话的8点经验
- react基础 - 模块与组件 - 组件化开发