什麼是機器學習
告訴機器你想做什麼,並且給它一堆數據讓他去模仿着做!
機器學習需要什麼?
算法,數據,程序,評估,應用
機器學習能做什麼?
應用場景:
數據挖掘
圖像識別
語音與自然語言處理
文字識別
機器學習流程(常規套路)
1.採集數據,預處理
2.特徵提取與模型建立
3.評估和輸出(預測)
機器學習應該怎麼學?
1.本質包含了數學原理推導與實際應用技巧。
2.機器學習有很多經典算法,既要學習,也要清楚一個算法怎麼來推導以及該如何應用
3.大學數學基礎即可,哪裏不會點哪裏,自己線上線下查找。
程序員應該注重哪些?
1.各種庫的使用
2.完整項目如何構建
3.從頭到尾的流程
深度學習是什麼?
1.深度學習是機器學習中神經網絡算法的眼神,應有的比較廣
2.深度學習在計算機視覺和自然語言崇禮中更厲害一些
3.一切基礎都是機器學習,麼有堅實的基礎智慧越來越迷茫
真實神經網絡包含哪些
神經元(樹突,軸突,突觸)
軸突連接不同的神經元,樹突是每個神經元的神經分叉,樹突的觸角是三角突觸
資源
1.github
2.kaggle
先去模仿,再去創造。
案例實戰
1.常用函數的應用(工具)
2.算法原理推導:從零開始,對一個機器學習、深度學習算法進行推導,得出最終的解法,評估參數對結果的影響。
3.基於真實的數據集,結合pyhton工具庫,從數據預處理開始一步步建模完成整個案例。
4.很少從頭開始去寫一個項目,通常都是按照之前的某種套路照搬過來實際上大部分公司都這麼做,建議大家先學會模仿,再去創作吧!