微信号:Kesciw

介绍:kesci.com - 科赛网,专业的大数据竞赛平台,帮助中国青年收获数据领域的伙伴和经验,锻炼数据才能,对接发展机会.

专栏丨GitHub标星1w+的机器学习教程来了!

2019-01-02 20:00 小科


专栏推荐

专栏汇聚了数据科学相关的优质资讯、信息、教程,小科将持续为大家推荐优质专栏


还记得被PyTorch官方推特翻牌的机器学习实践教程 Practiacl AI 吗?


在GitHub上,它已经收获过万标星,这位“超人气选手”帮助了很多人的机器学习。



现在,这份教程也已经被搬运到和鲸论坛,打开浏览器就能在 K-Lab 上开始你的机器学习之路。



PS:点击文末的“阅读原文”能够直达专栏。


专栏介绍


Practical AI 机器学习实践 是一份贯穿了机器学习起步到进阶的教程,从 Notebook 的使用说明开始,慢慢引入 Python 语法、常用包、各类算法、应用领域等,对于大部分正在探索机器学习的伙伴,这个专栏可以引导你从入门学到进阶。


小白用户不用担心基础薄弱,专栏不仅囊括 Python 语法、重要的 Package 、基础的机器学习算法等知识,手把手带你入门,甚至还教你 Notebook 的用法,可谓是“喂到嘴边”。


如果你早就跨过入门阶段,需要更深入地了解机器学习,专栏“重实践”的优点便显现出来了。  你可以直接找到需要强化的部分,在其中实践NLP、计算机视觉等项目,打磨实战技能。


专栏有以下几个特点

  • 在网页上运行一切

搬运后的专栏全程在 K-Lab 中运行,免去任何环境配置,只要按下专栏中的“Fork”,项目和源码就会进入你的文件库,方便学习和修改。


  • 注重实际应用

简单的理论集合意义不大,很多科学家已经将理论讲得很透彻了,而这个专栏,想面对的是实际应用问题,因此在课程设计上也有所侧重,带你接触真实场景下的项目。


  • 课程设计科学,难度循序渐进

课程路线按照零基础——入门——进阶的顺序设计,难度梯度适中,能够适应大部分人的学习习惯;清晰的学习路径,也让用户能够迅速找到自己的位置,继续深入学习。


内容一览


专栏内容



1    Notebook 使用指南



2    Python 基础



3    Numpy基础/Pandas基础



4    线性回归/逻辑回归/随机森林



5    PyTorch 基础



6    多层感知机/数据和模型



7    面向对象的机器学习



8    卷积神经网络/NLP 中嵌入层的使用



9    递归神经网络/递归神经网络进阶



10   计算机视觉




专栏整体分为三个阶段。


基础阶段

这部分中,专栏提供了 Notebook 的使用指南,介绍如何通过简单的设置开始在线编程;接下来,就可以正式开启机器学习旅程了,用 Python 语法基础、机器学习常用的两个 package :NumPy/Pandas 基础,还有几种基础算法:线性回归、逻辑回归等,通过这些简单的算法学习,打下机器学习基础,就可以步入进阶阶段了。


进阶阶段

这部分属于进阶机器学习课程,包括 PyTorch 框架介绍和经典的深度学习算法:多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、词嵌入等。算法学习完成后,专栏介绍了两个较高层面的主题,分别是数据和模型的关系,以及面向对象的机器学习,让读者对如何利用这些算法有个基本理解。


深入阶段

学完这些算法,就开始进行深入学习了。它包括高级深度学习算法和计算机视觉。要把握这些课题,需要读者对问题本身有很好的理解,而不仅仅是在纸上学习。接着,就在 K-Lab 上完成你的项目吧。


专栏持续更新,生成对抗网络(GAN)、空间变换网络、时间序列分析等正在路上。


直通专栏


整个教程都能够直接在 K-Lab 上直接运行,一键 Fork。


点击下方的“阅读原文”就可直达专栏现场,开始你的机器学习之旅。


 
Kesci数据实践 更多文章 新年礼 | 科赛Kesci宣布正式更名为和鲸HeyWhale,致力于打造中国最好的数据科学协同创新平台 分享图片 练习赛丨用「二分类算法」破解银行营销之道 分享图片 分享图片
猜您喜欢 Kafka Stream 分布式流式处理的新贵 - Kafka设计解析(七) 三年编程职业生涯里,遇到的那些挑战 相关搜索 --- 搜索中的推荐 Linux虚拟文件系统–VFS简介 一分钟理解Java包装类型