左耳听风
陈皓
网名“左耳朵耗子”,资深技术专家
180931 人已学习
新⼈⾸单¥98
登录后,你可以任选6讲全文学习
课程目录
已完结/共 119 讲
左耳听风
15
15
1.0x
00:00/00:00
登录|注册

86 | 程序员练级攻略:机器学习和人工智能

独立成分分析
主成分分析
聚类分析
集成学习
支持向量机
逻辑回归
线性回归
朴素贝叶斯
决策树
麻省理工大学的《》
斯坦福大学的《》
雨果·拉罗歇尔的神经网络课程
加利福尼亚理工学院的Learning from Data课程
卡内基梅隆大学的机器学习课程
Google的深度学习课程
吴恩达教授的课程
数据科学资源列表
TensorFlow、scikit-learn、Pandas、NumPy、Spark
概念和关联
数据分类和模型
特征点学习
未标识数据
识别手写体数字
规律和模式
样本数据
相关资源和项目推荐
经典算法和相关学习资料
相关图书和文章推荐
数据科学和机器学习的相关课程
机器学习和人工智能的基本原理
GitHub上的Awesome资源列表
公共数据列表
初学者项目
无监督式学习算法
监督式学习算法
神经网络相关的文章
Machine Learning和Deep Learning的相关教程列表
用Python做自然语言处理
麻省理工学院的电子书
YouTube上的神经网络教学课程
一个很不错的博客
机器学习相关的最佳实践
经典算法的文章
用Python带着你玩Machine Learning的教程
Google Developers的TensorFlow教程视频
《》
《》
《》
《深度学习》
《》
《》
其他在线大学课程
机器学习
数据科学
非监督式学习
监督式学习
小结
相关资源
相关算法
相关文章
相关图书
相关课程
基本原理简介
机器学习和人工智能

该思维导图由 AI 生成,仅供参考

你好,我是陈皓,网名左耳朵耗子。
我之前写过一篇机器学习的入门文章,因为我也是在入门和在学习的人,所以,那篇文章和这篇机器学习和人工智能方向的文章可能都会有点太肤浅。如果你有更好的学习方式或资料,欢迎补充。

基本原理简介

我们先来介绍一下机器学习的基本原理。
机器学习主要有两种方式,一种是监督式学习(Supervised Learning),另一种是非监督式学习(Unsupervised Learning)。下面简单地说一下这两者的不同。
监督式学习(Supervised Learning)。所谓监督式学习,也就是说,我们需要提供一组学习样本,包括相关的特征数据和相应的标签。我们的程序可以通过这组样本来学习相关的规律或是模式,然后通过得到的规律或模式来判断没有被打过标签的数据是什么样的数据。
举个例子,假设需要识别一些手写的数字,我们要找到尽可能多的手写体数字的图像样本,然后人工或是通过某种算法来明确地标注上什么是这些手写体的图片,谁是 1,谁是 2,谁是 3…… 这组数据叫样本数据,又叫训练数据(training data)。然后通过机器学习的算法,找到每个数字在不同手写体下的特征,找到规律和模式。通过得到的规律或模式来识别那些没有被打过标签的手写数据,以此完成识别手写体数字的目的。
非监督式学习(Unsupervised Learning)。对于非监督式学习,也就是说,数据是没有被标注过的,所以相关的机器学习算法需要找到这些数据中的共性。因为大量的数据是没被被标识过的,所以这种学习方式可以让大量的未标识的数据能够更有价值。而且,非监督式学习,可以为我们找到人类很难发现的数据里的规律或模型,所以也有人称这种学习为“特征点学习”,其可以让我们自动地为数据进行分类,并找到分类的模型。
一般来说,非监督式学习会应用在一些交易型的数据中。比如,你有一堆堆的用户购买数据,但是对于人类来说,我们很难找到用户属性和购买商品类型之间的关系。所以,非监督式学习算法可以帮助我们找到它们之间的关系。比如,一个在某年龄段的女性购买了某种肥皂,有可能说明这个女性在怀孕期,或是某人购买儿童用品,有可能说明这个人的关系链中有孩子,等等。于是,这些信息会被用作一些所谓的精准市场营销活动,从而可以增加商品销量。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

程序员左耳朵耗子在文章《程序员练级攻略:机器学习和人工智能》中深入介绍了机器学习的基本原理和相关学习资源。他以通俗易懂的语言解释了监督式学习和非监督式学习的区别,并推荐了一系列与数据科学和机器学习相关的在线课程、图书和文章,包括吴恩达教授的机器学习课程、深度学习领域的经典教材《深度学习》等。此外,他还提到了一些与神经网络相关的优质文章和资源。整篇文章内容涵盖了机器学习的基本概念和学习路径,为读者提供了丰富的学习资料和参考资源。左耳朵耗子的文章内容丰富,对于想要了解机器学习和人工智能的读者来说,是一份宝贵的学习指南。文章还涉及了机器学习的十大经典算法及相关的学习资料,为读者提供了更深入的学习内容。总的来说,这篇文章为读者提供了全面而丰富的机器学习学习资源,是一篇值得阅读的技术指南。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《左耳听风》
新⼈⾸单¥98
立即购买
登录 后留言

全部留言(38)

  • 最新
  • 精选
  • Alan
    老师,课程有点高大上,能不能接地气点? 绝大多数人都是码农。

    作者回复: 上6000元的北大青鸟?

    2018-07-27
    27
  • 9527
    计算机的东西太广了,像前端的东西我一直没做过,也不准备看了,实在学不过来 人工智能,机器学习,是很大一块 目前从事的工作内容跟这些都没关系是该继续深入工作相关的内容,还是抽点时间看看机器学习呢 耗子哥对学习内容取舍方面有什么建议吗?

    作者回复: 看你自己的好奇心吧

    2018-07-27
    1
  • 斯盖丸
    网上资料虽多,但质量良莠不齐。靠自己找实在费时费力。左老师帮我们辛辛苦苦挑选出来有什么不好呢?里面照样凝结了作者思路的精华呀。 还是希望左老师可以做自己,不用理会一些个杂音。
    2018-07-26
    2
    75
  • songyy
    期待练级系列尽快到尾声 每篇都是链接的罗列,内容太多需要慢慢消化。但作为读者,总觉得这种优质网上资源可以自己找到,我更希望看到作者自己的东西呀。 因为作者自己的东西,才是网上找不到的,是花钱买专栏的目的
    2018-07-26
    41
  • knull
    最近耗子总贴链接,感觉在交任务。许多人这样想,我也是这许多人中一个。后来,看到耗子哥的回复,我想通了。网上的确都有,而且好多好多,但是耗子哥帮我们筛选了。(百度,Google存在价值不就是网上大量数据中找有用信息么)。所以,谁给的知识不重要,重要的是的确好,的确对我们有用。那就够了。买这课程是学东西,不是来听专场的。
    2018-07-26
    16
  • yongxiang
    感谢皓哥的程序员练级攻略,提供了一条由浅入深的学习路径。省去了新手在浩瀚的资料中寻找有用资料的痛苦。真的是压箱底的宝贝,够我学习10年了
    2018-07-26
    1
    11
  • 理帆
    看左耳课程最大收获是拉近了和顶尖牛人间的距离,知道了解这些顶尖思想的方式。优秀和平庸的程序员之间最大的差距是品味的高低,很认同这句话。品味决定了你的眼界、目标,最终也就影响了你努力的方向、最终的高度,以及成长过程中你的心态。
    2020-04-18
    7
  • super
    耗子哥,说实在的您列的资料太多了。这里面只需要把2-3本书读会了就可以了,ng的,bishop的。即使80%算法岗位的人都没能好好学习这两个人的课程。不列出重点等于白说,这些资料网上都能找到,会误导初学者的。
    2018-09-07
    3
    6
  • Wayne
    资料太多了,根本不知道怎么选。
    2018-11-19
    5
  • 北极点
    学习的有个时间成本就是寻找有用的信息!大神能帮我们整理这些,很赞!
    2018-07-30
    4
收起评论
显示
设置
留言
38
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部