初識機器學習

0、人工智能該怎麼學

人工智能是一個很大的圈子，可是基礎必然是機器學習

機器學習就是，你告訴機器你想作什麼，而且給他一堆數據，讓他去模仿着作。

機器學習須要哪些能力？

• 算法
• 數據
• 程序
• 評估
• 應用

機器學習能作什麼？

• 模式識別
• 數據挖掘
• 統計學習
• 計算機視覺
• 語音識別
• 天然語言處理

機器學習流程？

一個機器學習的常規套路

1. 數據收集與預處理：爬取數據和簡單的打標籤
2. 特徵選擇與模型構建：轉成計算機能認識的東西
3. 評估與預測

上圖所示，將數據按照體育類和非體育類分開

機器學習該怎麼學？

• 機器學習的本質-包含了數學原理的推導與實際應用技巧
  • 弄清楚原理很重要，在使用中才能快速定位參數和問題
• 機器學習中有不少金典的算法，既然要學習，那就須要弄清楚一個算法是怎麼來的（推導）以及該如何應用
• 數學很是重要，你確定已經忘不少知識，合適的作法是邊學邊查

推導 是重中之重，由於對於咱們來講學習的目的就是轉換自身的資本讓咱們更有競爭力，面試與筆試的時候，這些推導全來了。

重點在於，如何應用，庫的使用，完整項目如何構建，從頭至尾的流程。

深度學習是什麼？

深度學習是機器學習中神經網絡算法的延伸，只不過應用的比較廣

深度學習在計算機視覺和天然語言處理中更厲害一些

那我是學機器學習，仍是深度學習呢？一切的基礎都是機器學習，作任何事情沒有堅實的基礎只會愈來愈迷茫，機器學習值得你從頭開始

機器學習怎麼動手去作？

只有實際應用啦，才以爲沒白學，那麼去哪裏找案例呢？ 最好的資源：Github，kaggle，各大資源分享點不多從頭開始去寫一個項目，一般都是按照以前的某種套路照搬過來， 實際上大部分公司都這麼作，建議你們先學會模仿，再去創做吧！案例的積累做用很大， 其實咱們幹活是什麼樣的呢？主要就是在模仿， 咱們並非科學家，能作事纔能有用的，既然人家是這麼作的，而且作 的不錯，那咱們去模仿作出來的就是咱們本身的！習慣很重要，當你看別人的資料以爲掌握的差很少了，其實你明天估計就忘的 也差很少了，本身動手從頭開始作筆記（不是照抄人家的，是寫本身的）或者 博客都是很好的選擇，只要你本身能寫出來了纔算真正的掌握！重要的是，本身捋一遍