米乐m6网页入口:机器学习自学攻略

　　假如是相关范畴的在职人员，或许计算机专业大学生比较合适自学后在这方面开展。假如没有压力（比方快赋闲了），或许实际的动力（作业顶用的到），根本上是坚持不下来的。

　　Step0：预备阶段1.英语阅览水平到达大学英语4级。2.高数大致把握，要害概念经查阅能随时回忆起来。3.编程技术到达计算机2级水准。这些都是大学期间应该堆集的技术，假如不符合的话。。。能够将就先学着，渐渐补。

　　Step1：看视频学习，这一阶段的方针是对机器学习的理论有开始的了解。1.machine learning-Andrew Ng百度网盘地址：j在线学习地址：Machine Learning - Stanford University Coursera阐明：Coursera[1]是一个十分闻名的公开课网站，Andrew Ng教学的的“machine learning”课程能够说是它的成名作。我给的离线资源里Andrew Ng的课程只要英文字幕，在线学习有作业什么的，学习愈加体系。2.机器学习柱石/技法-林轩田百度网盘地址：ChaK98-OVwSmHMng#list/path=%2F在线学习地址：阐明：这个资源是中文教学的。之前在coursera上有，现在形似找不到了。林轩田教师的解说通俗易懂，技法课程难一点，能够结合step2进行学习。看的时分记住记笔记，网上也搜的到网友记的笔记，具体的学习办法就不多谈了。

　　Step2：这一阶段是结合step1学习的理论根底，做一些根据python的着手操练，别的给出了两本参阅书，能够阅览加深知道。1.python教程-廖雪峰的官方网站地址：Python教程阐明：廖雪峰的教程质量很好。没有必要全看完，大约了解python的根底语法即可，这步是为下面的操练做预备。2.《机器学习实战》豆瓣地址：机器学习实战 (豆瓣)阐明：这本书根据python对一些首要的机器学习算法进行了代码完结。必定要照着敲一遍。3.《机器学习》-周志华豆瓣地址：机器学习 (豆瓣)阐明：这本书是中文里最好的机器学习教科书了，阐明很明晰并且全面。可是算法的推导进程很简略以至于彻底看不懂。主张大致看一遍，算法的推导结合网上的博客和其他教程进行了解。4.《计算学习办法》-李航豆瓣地址：计算学习办法 (豆瓣)阐明：我也没看完。。可是听说很好，都是各种算法的推导进程。

　　Step3：这一阶段是进行实战演练，办法是在机器学习竞赛网站上结合实际事例进行操练。我自己也在step3进行了没多久，祝我好运。1.《运用Python进行数据剖析》豆瓣地址：运用Python进行数据剖析 (豆瓣)阐明：numpy与pandas是python进行处理数据的两个要害库。这本书解说了这两个库的运用办法。是实战前的预备进程。2.kaggle地址：Competitions Kaggle阐明：kaggle是一个机器学习竞赛网站。除了在进行中的，有悬赏金的竞赛，也有入门的操练赛。运用办法见大数据竞赛渠道--Kaggle 入门。3.阿里天池大数据竞赛地址：天池大数据科研渠道-打造“数据众智、众创”榜首渠道阐明：阿里办的，性质同kaggle。4.data castle地址：pkbigdata.com/阐明：我国版kaggle

　　step4：当你在step3取得了必定成果。比方在某个竞赛中获得了还不错的名次，就能够说具有还不错的机器学习才能了。这时分能够找一些实习干干，实习生岗位要求低一些，经过它能够累积相关范畴的实践常识，是正式作业前的跳板。假如实力很强的话，能够直接找作业哦。1.预备面试大部分公司招聘实习生/员工时不只会调查你的机器学习常识，假如期望找实习更顺畅，能够参阅我的找作业攻略[2]做预备。一般的话，需求补习：算法，计算机根底常识。充分预备需求几个月的学习时刻。有的公司还会期望你把握大数据东西的运用，学习办法我在“弥补内容”中列出来了。2.寻觅实习时机拉勾网[3]上查找数据发掘相关的实习即可3.触宝数据团队欢迎你校招：触宝2017学校招聘社招：拉勾网查找“触宝”内推：发送简历至我的邮箱知乎，触宝的作业环境怎么？：触宝的作业环境怎么？ - 知乎

　　看下面这张图，R，python，scala能够处理的数据量顺次增大，使用范畴侧重逐步从科研移动到工业界。未来你能够考虑三门言语都学。现在python是在个人研讨与企业使用中都十分广泛的一门编程言语，在入门阶段只学习它就能够了，其他的言语最好用得到的时分再学习。

　　别的编程言语的实质是东西，东西的学习必定要在实践中渐进的进行，每次只学用的到的部分，这样是功率最高的学习办法。许多人不去写代码，只看一本言语攻略。脱离了编程实践，这样是不或许学的好的。

　　这儿的2，3，4步。网络上都有相关的教程，第2步主张参阅《鸟哥的linux私房菜》[4]，第3、4步主张参阅hadoop[5]与spark[6]的官方文档以及相关书本/博客。这儿涉及到的学习内容十分多。。。假如不是计算机专业的同学，简直便是不或许完结的使命了。最好能找一个会的人手把手的辅导。优点在于，经过这个进程，你能学到许多大数据技术的操作办法，这是找实习/作业中的一个亮点。害处在于，建立与办理大数据渠道严格来说是大数据工程师的技术，与机器学习方向无关。并且这个进程十分困难。

　　其他：不同的机器学习算法往往同享一些根本的概念，如特征(feature)，标签(label)，练习集，测验集等。在这些概念的根底上，学习一个新算法很快，或许一下午就能读懂一个算法的原理。这时分会很有成就感，不过step2时不要急于学习各种算法，把学习的重心转移到对算法的实践上。最名贵最有用的常识都是实践中得来的，脱离实践只看算法的原理过几天仍是忘光光，并且不会把握处理实际问题的才能。