机器学习入门最新资料合集,

大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习入门最新资料合集的问题，于是小编就整理了2个相关介绍机器学习入门最新资料合集的解答，让我们一起看看吧。

1. 自学机器学习如何入手？
2. CS类AI大一进组科研，如何入门学习机器学习及其相关基础？

自学机器学习如何入手？

现在网上很多很多机器学习的所谓一周入门课程，给一些刚刚入门编程的人很多误解，其实机器学习很重要的不是用什么语言，而在于你的数学知识，尤其是线代和概率知识，基本上所有的机器学习算法都离不开这两门课程，如果你要使用机器学习识别图像，那还需要知道基本的图像处理算法，既然问到如何入手我的看法是，先有一部分的数学知识，再从实际编码开始，建议使用python结合tensoflower这样入门比c++结合caffe要简单的多，机器学习操作系统建议使用linux

首先要学好数学，太重要了，要是想深入学理论，数学贯穿始终，高数，线代概率论自不必说，矩阵论，随机过程，拓扑学，凸优化，数理统计，图论等都要有基础。

然后当然是基础理论，算法，信息论，数据结构，最优化，贝叶斯是重中之重，可以说这些学的深度决定了你理论学习的高度。

必须要至少精通一门开发语言啊，现在都在学Python，但是R也不错啊，做大数据当然要学hadoop，这是你理论与应用的桥梁。

接下来就是真正的机器学习，knn，决策树，cnn，dnn等随便一个就能拿来做博士的开题报告，挑个自己感兴趣的就学吧，一年以后你会回来再问的。

CS类AI大一进组科研，如何入门学习机器学习及其相关基础？

选择走偏学术的道路，通常相对工程风向对实践会少些，但是一些实践还是会增加你对理论知识的理解认识和记忆。

因此推荐你在学习基础理论知识的同时，上手一个多几个框架，TensorFlow, Caffe，paddle-paddle, automl, theano等根据自己的喜好选择一个，然后根据你学习的理论，尝试将一个个问题动手编程解决。

ML 对算法要求还是挺高的，虽然不会推导算法，也可以使用框架解决问题，因为框架都帮你解决了，但是深入学习还是需要的，因此数学理论知识也是离不开的，高数，数值分析，概率论数据统计，矩阵分析，泛函分析等理论知识可以慢慢来学习。

此外可以多浏览些相关算法，案例等，比如相关论文，竞赛，他人积累的总结等。

这里推荐几门开源的课程：

mlcourse

到此，以上就是小编对于机器学习入门最新资料合集的问题就介绍到这了，希望介绍关于机器学习入门最新资料合集的2点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.lnbtw.com/post/14371.html