开篇词 | 打通修炼机器学习的任督二脉
该思维导图由 AI 生成，仅供参考
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
标题为“打通修炼机器学习的任督二脉”，文章主要介绍了机器学习的重要性以及本专栏的内容和目标。作者王天一表示，本专栏将聚焦于机器学习这一人工智能大问题中的一个小目标，旨在帮助读者理解机器学习的基本模型与方法，形成观察机器学习的宏观视角，并找准进一步理解与创新的方向。文章内容分为三个模块：机器学习概观、统计学习和符号学习。作者将介绍机器学习中的共性问题、概率的两大派别、统计学习和概率图模型，并穿插一些基于Python语言的简单实例以加强理解。作者强调，理解机器学习不仅仅是了解时髦概念，而是要将前沿和基础融会贯通，从中发现贯穿学科发展的脉络。通过本专栏，作者希望能够帮助读者打通修炼机器学习的“任督二脉”，实现其学习的目标。
2018-06-0421人觉得很赞给文章提建议
《机器学习 40 讲》，新⼈⾸单¥59
全部留言(66)
- 最新
- 精选
风的轨迹高尚的说法:为了人类的进步 得体的说法:为了事业与爱情 庸俗的说法:为了屌丝逆袭作者回复: 已经答仨答案啦👍
2018-06-0641
林彦作为数据分析师，这个职业在未来大多数的国内企业里都必须和数据模型打交道，现在的数据模型和机器学习的关系越来越紧密，背后的概率论，统计学，贝叶斯推断是相通的。既为了自己的成长，也为了团队的进阶，挤一点时间多了解一些概念和实践，期望能与人沟通时小白水平的认知少一些，更高效一些。作者回复: 其实除了机器学习，还应该了解下数据挖掘
2018-06-0414
冬瓜老师在上面的留言说，除了机器学习，还要了解数据挖掘。但是在我们日常的生活中，我们通常不会区别这两个概念。也就是说，我们一会说自己是做数据挖掘的，一会说自己是做机器学习的。老师能说说这两者的区别吗？作者回复: 我觉得数据挖掘的目的是解释，说明已知数据的规律；机器学习的目的是预测，把已知数据的规律推广到未知。而且机器学习更侧重“学习”，要在训练过程中改善自身的性能，数据挖掘通常没有这种要求。
2018-06-0911
梁CSer支持一下😁，王老师的人工智能基础讲的不错，多看几遍哈😄作者回复: 承蒙夸奖😄
2018-06-04311
柳不才机器学习是深度学习的基础，没有机器学习领域的发展就没有今天深度学习的繁盛。在小数据，弱算力以及工业实现领域上，机器学习的优先级大于深度学习。学机器学习是为以后从事相关领域工作或研究打下基础。作者回复: 说的有道理
2018-06-069
梁鑫辉最近单位在推AIOps(智能运维）的项目，主要 关注机器学习在磁盘故障预测、性能容量预测方面的应用。想借此机会熟悉相关理论与实践，搭上人工智能的快车。感谢老师的课程，希望有所收获。作者回复: 第一次了解到这类应用，机器学习果然用途广泛啊
2018-06-0738
意无尽老师我是最近才报名的，课程更新已经结束了，希望老师后面看到后能够解答学生的疑惑。 学生目前学习了一些基本的 Python 知识，感觉直接入手机器学习还是有难度的，当然最终目的还是想搞一些机器学习相关的东西。所以想请问老师，在掌握基础的 Python 知识与入门或者进阶的机器学习之间的鸿沟，中间我还需要掌握些什么？有什么可以推荐的学习路线吗？？ 有些是推荐掌握 Python 知识后，可以从爬虫开始，到数据分析，再到数据挖掘，最后到机器学习，您觉得如何？作者回复: 我认为机器学习和Python是目的和手段的关系。机器学习是一套比较完善且成熟的理论，Python则是将这套理论实现在计算机上的工具。所以在两者之间要弥合的是从实践到理论，从感性到理性的沟壑。我的建议是有了编程基础之后，看一看数据分析，从数据分析的实例出发，通过实际的应用逐步过渡到数学原理的理解。极客上的相关专栏和一些以实例为主的书籍都可以作为参考。
2018-11-166
李跃爱学习公司希望能引入一些前沿的技术到我们的业务场景中， 成立了大数据部门。大数据部门换了几个leader了，现在让我来负责，做自己做了7年研发， 对公司的系统架构很熟悉，但是对机器学习等技能不了解。希望尽快补足这块的认知，搭建团队，识人用人。作者回复: 希望专栏能助您一臂之力！
2018-12-155
paradox为了就业 大三下学期来了开始自学 看了老师您这门课所涉及的内容的图片 发现自己85%名字都已有所了解 但是问题就是自己总感觉有些模型很像，有些模型有联系，有些思想方法可以推广延伸，（比如从最大熵模型，涉及到熵，想到决策树，本身又是对数模型，想到逻辑回归与CRF，模型的参数估计过程的极大似然估计以及本身的P(Y|X)的形式又让我联想到贝叶斯的概率模型，其对偶求解过程又是SVM推导时候的主要方法）抱歉，这里叙述很乱，从模型分类联系到求解方法，夹杂自己的混乱想法 总得来说，思想缺乏联系，无法在大脑形成网络 看网课，统计学习方法，西瓜书，机器学习实战，自己也调包观察（不过太渣） 每次每个模块感觉自己清楚了，但是完成下一模块后，上次的又有些模糊了，就是理解的不够深入。 每次阅读您的上一门课，总会有所启发，尤其是开篇的那些数学课 希望老师这门课能展现出整体的思想框架，加上实战指导指导对于实际问题如何下手 知识书上可以学到，思想还需老师言传，自己思考作者回复: 线性模型是最基本的模型，决策树、逻辑回归、SVM这些都是不同方向的延伸和扩展。介绍完所有模型之后，我会专门把轮廓梳理出来。
2018-06-0825- imuyang我参加这个专栏的目的就是：为以后工作中可能遇到的机器学习相关问题，做知识储备
作者回复: 未雨绸缪是好习惯
2018-06-063