云南龙网

  1. 首页 > 云知道 > >

人工智能需要学哪些课程,学校人工智能课程有哪些( 二 )

云知道学校


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 。
机器学习——教程教程没有看到太好的，除了sklearn的文档，只推荐吴恩达、李宏毅、林轩田三位老师的视频课件 。课件这里不单独列出来了，下载链接我放到思维导图里了 。Sklearn官方文档：https://scikit-learn.org/stable/user_guide.html中文教程：https://sklearn.apachecn.org/机器学习——视频与Python不同，机器学习基础我觉得最好还是跟着视频学，因为初学机器学习算法，涉及很多公式推导，非常难理解，跟着视频学起来会轻松不少 。
视频首推吴恩达的公开课，这是学习机器学习基础知识的最好的课程 。英语不好的同学也不要担心，视频是有中文字幕的 。https://www.bilibili.com/video/BV164411b7dx作为补充，时间充裕的同学可以看看台大李宏毅的机器学习公开课，特点是中文授课，比较轻松愉快 。https://www.bilibili.com/video/BV1pE411g7Wi时间更充裕的也可以看看林轩田的视频课，只看基石部分即可 。
https://www.bilibili.com/video/BV1Ft41197Dy机器学习——数学基础系统地学习机器学习所必须的数学知识数学基础这一块是个无底洞，不太建议大家耗费过多时间，用到了再补也不迟 。也不建议大家看书，基础确实特别薄弱的同学，推荐一本：《机器学习的数学》，这本书特别全面的介绍了微积分、线性代数、概率统计、信息论、随机过程、图论等内容 。
再强调一遍，此书仅适于基础特别薄弱的同学 。我感觉机器学习中用到最多的应该是线代，喜欢看视频的可以看看李宏毅的机器学习中的线性代数：https://www.bilibili.com/video/BV1G7411f7BE/或者3blue1brown：线性代数的本质https://www.bilibili.com/video/BV1Ys411k7yQ其他数学基础相关的电子书，我也放到思维导图中了 。
一些经验和建议1、我敢肯定很多初学者都是资料收集爱好者，越攒越多反而不知道从何开始 。我强烈建议把资料都扔掉，以我的这一套为准，一以贯之的学下去 。2、就像前面我提到的，很多东西先不要深究，不要在某些地方卡太久（比如数学部分，比如编程基础），先学下去，学完 。了解大的框架之后，以后用到哪里，再回过来补也不迟 。

推荐阅读


上一篇：智能照明市场分析,聊聊中国智能照明市场以及前景

下一篇：中国智能手机品牌,华为手机