戰(zhàn)斗民族的ML戰(zhàn)斗力越來(lái)越強(qiáng)了，現(xiàn)在跑到reddit上安利起了自己的課程。

mlcourse.ai

 

 

這個(gè)課程的名字叫mlcourse.ai，是一套開(kāi)放、免費(fèi)的機(jī)器學(xué)習(xí)課程，課程為期10周，包含5大主題12個(gè)部分。

課程目錄

主題1 使用Pandas探索數(shù)據(jù)分析

主題2

-Python可視化數(shù)據(jù)分析

-Seaborn、Matplotlib和Plotly庫(kù)概述

主題3 分類(lèi)、決策樹(shù)和k近鄰算法

主題4 線性分類(lèi)和回歸

-Part 1 普通最小二乘法

-Part 2 邏輯回歸

-Part 3 正則化

-Part 4 優(yōu)點(diǎn)和缺點(diǎn)

-Part 5 驗(yàn)證和學(xué)習(xí)曲線

主題5 算法和隨機(jī)森林

-Part 1 Bagging

-Part 2 隨機(jī)森林

-Part 3 特征重要性

 

 

如果想學(xué)這套課程的話，需要在國(guó)慶節(jié)之前填表(鏈接在文末)，10月1日正式開(kāi)課，學(xué)到12月9日就結(jié)束了，那一天正好是24節(jié)氣中的大雪。

mlcourse.ai課程在github上已經(jīng)獲得了超過(guò)1900顆星，其中包含很多練習(xí)的部分，而且每周都會(huì)有作業(yè)，還有課程內(nèi)的Kaggle比賽。

課程的發(fā)布者說(shuō)，這套課程的重點(diǎn)是完美結(jié)合了理論與實(shí)踐，還有互動(dòng)的激勵(lì)機(jī)制讓你能堅(jiān)持下去，另外還有一個(gè)大型社區(qū)提供支持，可以去社區(qū)里問(wèn)作業(yè)。

課程到底好不好，眾說(shuō)紛紜

不太適合純·初學(xué)者

這套課程其實(shí)不太適合24k純初學(xué)者的，也即是說(shuō)，需要一定的數(shù)學(xué)和Python基礎(chǔ)。

數(shù)學(xué)部分包括微積分、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì);Python部分需要懂DataQuest，DataCamp甚至CodeAcademy這些東西。

如果你需要補(bǔ)充知識(shí)的話，可以去讀Ian Goodfellow、Yoshua Bengio和Aaron Courville寫(xiě)的那本《深度學(xué)習(xí)》，或者M(jìn)arc Peter Deisenroth、A Aldo Faisal和Cheng Soon Ong的《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)》。(文末有鏈接)

 

 

如果還覺(jué)得這些數(shù)學(xué)不夠酸爽，可以去MIT的公開(kāi)課網(wǎng)站上刷數(shù)學(xué)。(文末有鏈接+1)

另外，你最好是個(gè)github用戶，還懂一些bash和Docker。(文末有鏈接+2)

壓力有點(diǎn)大

雖然從目錄來(lái)看，課程比較短，但是畢竟只有10周，所以課程節(jié)奏會(huì)很快，每周至少需要5~6個(gè)小時(shí)來(lái)學(xué)習(xí)。如果你想認(rèn)真投入到課程內(nèi)的Kaggle競(jìng)賽的話，那可能每周20~25個(gè)小時(shí)都有。

 

 

有二刷的同學(xué)評(píng)論說(shuō)，這是初級(jí)中級(jí)水平最好的實(shí)用教材之一，需要提前學(xué)習(xí)線性代數(shù)。雖然課程中大部分作業(yè)不算難，但是偶爾也會(huì)有幾個(gè)非常有挑戰(zhàn)性的題目，其中競(jìng)賽的部分最難，不過(guò)確實(shí)對(duì)個(gè)人能力有很大提升。

比吳恩達(dá)老師的課fashion

也有網(wǎng)友問(wèn)到該課程和吳恩達(dá)老師的Coursera課程比起來(lái)怎么樣，發(fā)布機(jī)構(gòu)回應(yīng)說(shuō)：

吳恩達(dá)的課程已經(jīng)過(guò)時(shí)了。

該機(jī)構(gòu)認(rèn)為，相比吳恩達(dá)，mlcourse.ai的成更難，需要的數(shù)學(xué)基礎(chǔ)更高;更新，不會(huì)在不起作用的事情上花太多時(shí)間;而且用的是Python而非Octave。

一群俄國(guó)人

mlcourse.ai課程來(lái)自一個(gè)名為OpenDataScience的機(jī)構(gòu)，他們號(hào)稱(chēng)匯集了15000名說(shuō)俄語(yǔ)的數(shù)據(jù)科學(xué)家。

 

 

此前他們已經(jīng)用俄語(yǔ)講過(guò)一次mlcourse.ai課程了，10月這次是本課程第二次推出了，放心，這次是英文版。

當(dāng)然，編寫(xiě)者基本都是說(shuō)俄語(yǔ)的科學(xué)家。比如主創(chuàng)人員之一Yury Kashnitskiy，畢業(yè)于號(hào)稱(chēng)“俄羅斯MIT”莫斯科物理技術(shù)學(xué)院，目前是荷蘭皇家KPN電信集團(tuán)的數(shù)據(jù)分析師。

 

 

△ 這位老師的github頭像很好看呢

傳送門(mén)

課程主頁(yè)：

https://mlcourse.ai/

課程申請(qǐng)表：

https://docs.google.com/forms/d/e/1FAIpQLSevId-XgOe6n3m-RTbXQfeN-KpyMdvkzCDoG2BL6m90EBfasQ/viewform

(看到google域名了沒(méi)?打不開(kāi)的話想想是為什么)

課程資源列表(包含github和視頻)：

https://mlcourse.ai/resources

《深度學(xué)習(xí)》github譯本：

https://github.com/exacity/deeplearningbook-chinese

《機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)》：

https://mml-book.github.io/

MIT的數(shù)學(xué)課：

https://ocw.mit.edu/courses/mathematics/

github小白指南：

http://try.github.io/

Docker小白指南：

https://github.com/Yorko/mlcourse.ai/wiki/Software-requirements-and-Docker-container

標(biāo)簽： Google 數(shù)據(jù)分析 域名

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。