首页 体育世界正文

作者 | 琥珀

出品 | AI科技大本营(ID:rgznai100)

近来,一个集,GitHub超全机器学习工程师成长路线图,开源两日收成3700+Star!,简谱大全在 GitHub 上开源即收成了 3700+ Star 的项目,引起了营长的留意。据介绍,该项目以 TensorFlow 和 Scikit-learn 的机器学习结构的根底库为例,具体介绍了怎么成为一名机器学习工程师的成长途径。

该项意图作者仍是一位来自意大利的 IT 工程师,名叫 Giacomo Ciarlini,非常英俊的有没有?

GitHub 传送门:

男裸

https://github.com/clone95/Machine-Learning-Study-Path-March-201文h9/tree/master/Career%20Paths/Machine%20Learning%20Engineer%20Career%20Path

集,GitHub超全机器学习工程师成长路线图,开源两日收成3700+Star!,简谱大全
女生的相片

作者首要强烈引荐了《Scikit-Learn 与 TensorFlow 机器学习有用攻略》一书。之外,他还上传了全球顶尖大学姜文被传心梗逝世和开源安排的学习资源,并收集了理论和示例,以及对挑选最佳资源的主张。

内容首要分为四大部分:

一、先决条件

二、使怎么运用 Scikit-Learn 进行机器学习

三、经过 TensorFlow 练习的神经网络

四、东西

每个标签下,作者都有具体的解说并给出了实战操作的资源,实乃良知之作!下面,就由营长来具体介绍下这个项目里有哪些值得一看的资源(并附上部分教程链接)。

一、先决条件

根底知识:

https://pythonprogramming.net/in周燕娴troduction-learn-python-3-tutorials/

作者还主张,除了对 Python 了解把握外,还能够了解下 Numpy,它是数学运算的重要模块,能够有助于你在后面 Python 环境中导入 Tensor 数据类型。

Python3 装置地址:

https://realpython.com/installing-python/

PyCharm Community Edition(一个用于 Python 开发的完好 IDE,为试验设置一个新的 Python 虚拟环境)

装置地址:

https://www.jetbrains.com/pycharm/down中星微大厦load/#section=windows

是一个开源的 Web 使用程序,协助集,GitHub超全机器学习工程师成长路线图,开源两日收成3700+Star!,简谱大全用户创立和同享文档,包含 live code,方程,可视化,叙说文本。例如,数据清洗、数值模仿、计算建模、数据可视化、机器学习等。

在作者看来,数学是机器学习背面的重要根底。但重要的是鵷鶵,把握首要概念并认识到这些数学方法的使用领域和局限性。

他给出了三个课程链接,别离是:

线性代数:

https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-s集,GitHub超全机器学习工程师成长路线图,开源两日收成3700+Star!,简谱大全pring-2010/

概率根底和计算:

https://www.edx.org/course/introd湍组词uction-to-probability-0

其他数学资源:

https://explained.ai/matrix-calculus/index.html#sec4.5

最终,还要经过一篇科普读物,了解整个机器学习全貌:

https://www.oreilly.com/library/view/hands-on-machine-learning/9781491962282/ch01.html

二、怎么运用 Scikit-Lea集,GitHub超全机器学习工程师成长路线图,开源两日收成3700+Star!,简谱大全rn 进行机器学习?

假如装置时遇到一些问题,可能是你更新到最新版别的 pip,所以在同一个文件夹内运转:

S公公偏头痛mvcikit-Learn 是机器学习使命中最完好、最老练,且记载完好的库之一。它开箱即用,具有强壮而先进的模型。

Kaggle,作为机器学习和通用数据科学项意图首选渠道,它供给了很多免费数据集,以及风趣的挑战和 ML 模型试验。

线性回归是最简略的机器学习方法,也是模型练习的起点。

能够参看吴恩达的理论课程:

https://www.youtube.com/watch?v=W46UTQ_JDPk&am荆梦佳p;list=PLoR5VjrKytrCv-Vxnhp5UyS1UjZsXP0Kj&index=2

米露老公

假如想要从不同的可能性中猜测成果,分类则是最重要的机器学习使命之一。最简略的状况是二元分类问题。

作者列举了 ML 使命中练习模型的一些技能,在 Google Crash 教程中能够找到:

梯度下降:

https://developers.google.com/machine-learning/crash-course/reducing-loss/gradient-descent

学习率:

https://developers.google.com/machine-learning/crash-course/re三国之狼战全国ducing-loss/卖场厕所性侵女人learning-rate

SGD:

https://developers.google.com/machine-learning/crash-course/reducing-loss/stochastic-gradient-descent

正则化:

https://www.youtube.com/watch?v=Q81RR3yKn30

是创立 ML 模型的另一种经典算法。

除了理论解说外,还有更多实战战略:

https://www.youtube.com/watch?v=g8D5YL6cOSE

集成学习(Ensem刘廷析ble Learning)的思路是利用了几款 ML 模型的一切不同特征、优劣势,以期得到最有可能性的猜测成果。

集成学习根底知识:

https://www.youtube.com/watch?v=9VmKYwX_U7s

随机森林最经典实践:

https://www.youtube.com/watch?v=3kYujfDgmNk

包含了无监督学习的介绍、解说,以及与监督学习、强化学习之间的不同。

关于触及的两个重要技能:相关规矩(Association Rules)和聚类,作者别离供给了示例和教程。

三、经过 TensorFlow 练习的神经网络

在本节中,作者主力引荐斯坦福大学深度学习课程以及其他网络教程,协助学习者快速了解这些内容。其间包含 ANN、CNN、RNN 等不同品种的机器学习模型。实际上,作者花了很长时刻去了解神经网络的理论和使用,包含阅览博客、官网论坛、学习途径。

他给出了“三步走”的主张:

作者表明,以上这种方法可根据需求重复屡次,然后在你的头脑中构建一个杰出的永久地址通用模型。

斯坦福大学课程 PPT 地址:

http://cs231n.stanford.edu/slides/2018/

现在,TensorFlow 现已企业里完成机器学习算法的事实标准。

在装置 TensorFlow 库之前,你只需在 Python 装置文件夹中翻开一个终端并运转此指令:

以上细节就不逐个细讲了。

四、其他资源

除了上述内容之外,作者还收集了很多文章、网络使用程序、最佳实践、项目和存储库。

以及,其他值得一看的网站:

作者最终表明,将在接下来的时刻里对不同的主题进行扩大,包含:无监督学习、机器学习心态结构(怎么像数据科学家相同考虑)、使集,GitHub超全机器学习工程师成长路线图,开源两日收成3700+Star!,简谱大全用集,GitHub超全机器学习工程师成长路线图,开源两日收成3700+Star!,简谱大全 Pandas 进行数据处理和预备、特征挑选、特征工程、扩展参数优化部分、Keras 库、TensorFlow 2.0、怎么在 AWS、Azure 上布置模型等。

(本文为 AI科技大本营原创文章,转载请微信联络 1092722531)

「2019 Python开发者日」7折票限时开售!这一次咱们仍然“只讲技能,回绝空谈”10余位一线Python技能专家一起打造一场硬核技能大会。更有深度训练实操环节,为开发者们带来更多深度实战时机。

现在讲演嘉宾议题已承认,7折优惠票价!更多具体信息请咨询13581782348(微信同号)。

工程师 模随身空间之万人迷型 卢伟珊 大学
爱品选声明:江玉婷该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。
版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。