写人工智能的英语作文,人工智能英文

学习人工智能需要学习那些知识?
机器学习入门指南(2021版)向大家分享我机器学习之路看过的一些书、教程、视频,还有学习经验和建议,希望能对大家的学习有所帮助 。pdf版思维导图,后台回复:指南Python——书之前跟出版社合作,书柜里积攒了很多Python相关的书,这里推荐三本最有价值的吧 。《流畅的Python》,很厚,比较全面,可以作为工具书常常翻看 。
《 从入门到实践(第2版)》 非常全面,对新手还算友好,里面有很多的练习项目非常不错 。《利用Python进行数据分析·第2版》 数据分析入门必读书,主要介绍了python 3个库numpy(数组),pandas(数据分析)和matplotlib(绘图)的学习 。有开源版,就不用买了,下载链接及代码如下:https://github.com/iamseancheney/python_for_data_analysis_2nd_chinese_versionPython——教程学习Python最好的入门线上教程,首推Python官方文档https://docs.python.org/zh-cn/3/tutorial/index.html官方文档足够详细和系统,但是内容太庞大,学习来会有点吃力,我建议只看tutorial即可,就是上面的链接 。
直接啃官方文档的教材,不如老师讲给你听来的效率高 。廖雪峰的Python新手教程也是个不错的选择,每一节都有练习题,学习来更顺畅,对新手很友好 。https://www.liaoxuefeng.com/wiki/1016959663602400机器学习最常用的库少不了Numpy Pandas Matplotlib这些库我觉得看官方文档就好了,不过英文不好的同学可能就不满意了,这里分别列一下这些库的官方文档和我觉得很不错的中文教程,提醒一下哈,官方文档只需要看我列出的链接即可 。
Numpy官方文档:https://numpy.org/doc/stable/user/quickstart.html中文教程:https://www.numpy.org.cn/user/quickstart.htmlPandas官方文档:https://pandas.pydata.org/docs/user_guide/10min.html中文教程:https://www.pypandas.cn/docs/getting_started/10min.htmlMatplotlib官方文档:https://matplotlib.org/stable/tutorials/introductory/usage.html中文教程:https://www.matplotlib.org.cn/tutorials/Python——视频实话实话,我没有完整的看过任何Python视频 。
归根结底,Python入门很简单,看视频效率太低 。传言B站的[小甲鱼]零基础入门学习Python不错,简单看了一眼,确实0基础 。我们用Python是用来学机器学习的,喜欢看视频学习的同学可以看看,建议只看P1-P53即可 。《零基础入门学习Python》:https://www.bilibili.com/video/av27789609机器学习——书市面上凡推荐机器学习的书,都少不了李航的《统计学习方法》和周志华的《机器学习》,我当初也是看了大佬推荐,在这两本书上耗费了极多的时间 。
但这两本我觉得都很不适合入门,尤其是统计学习方法,简直就是上等武功秘籍,太过精炼,啃起来太吃力 。对比起来周老师的《机器学习》相对好点,其中有些公式推导有点跳,Datawhale 出了一本开源的《机器学习公式详解》是个很好的补充 。周世华的《机器学习》是必不可少的工具书,还是必读的,而且要反复阅读,不过建议在看过视频教程之后 。
https://datawhalechina.github.io/pumpkin-book偏应用的书,只推荐一本,其他的都不要看!!!:《机器学习实战:基于Scikit-Learn、Keras和TensorFlow(原书第2版)》,入门可以先看前 9 章 。市面上很少有书能够把机器学习在业务层面的应用介绍清楚,比如模型解释、模型上线,模型监控等等,没有看到特别详细的,有一本还算满意,就是知名度比较低:《机器学习:软件工程方法与实现 。
《机器学习:软件工程方法与实现》现在无论是竞赛还是工业界,boost模型都应用十分广泛,分类、回归、排序,XGBoost都能搞 。最后再介绍一本我认为的必读:《深入理解XGBoost:高效机器学习算法与进阶》,作者是XGBoost开源社区贡献者何龙 。这本书以机器学习基础知识做铺垫,深入剖析了XGBoost的原理、分布式实现、模型优化、深度应用等 。

推荐阅读