微信号:ai-front

介绍:面向AI爱好者、开发者和科学家,提供最新最全AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、最新AI论文解读。每周一节技术分享公开课,助力你全面拥抱人工智能技术。

如何从零开始学习机器学习?

2018-06-07 18:00 大咖授课
 
编辑 | 极客时间

在这个大数据和人工智能快速发展的时代背景下,机器学习逐渐成为了每一个程序员都应该具备的底层能力。但是,对于很多具备工程思维的开发者来说,机器学习并不是那么容易掌握,因为它需要一种有别于代码之外的思维方式。

你可能买了很多机器学习入门书籍,也收藏了网上各种 AI 大拿的视频教程,然后下定决心要好好学习。可是静下心来你却发现面对一堆经典资料,自己无从下手。从以往学习编程语言和框架的角度,你知道如果能够有一套完整的知识体系,并辅助以案例和练习,那将会大大提高学习的效率。

而从我的角度看,这几年,机器学习领域虽然充斥着各种听起来狂拽酷炫的新玩意儿,但阳光之下再无新事,再炫目的技术归根结底都是基本模型与方法在具体领域问题上的组合,而理解这些基本模型与方法才是掌握机器学习,也是掌握任何一门学问的要义所在

在人工智能基础课的第一季专栏中,我详细介绍了学习人工智能所需要的基础数学、当前流行的深度学习、以及其他可能实现智能的技术路径,可以说是走马观花吧,希望能帮助你理解人工智能的大概轮廓。

而今天,经过了 3 个月的紧密筹备之后,我希望能够从我的角度,用通俗易懂的语言,并辅助 Python 的案例,帮助你更好理解和入门机器学习。

也许你会问,机器学习领域的文献论著已经汗牛充栋,你这个专栏和它们的区别又在哪里呢?在我看来,是 融会贯通的系统性。不少关于机器学习的文献虽然深入阐释了不同模型的原理,但对它们之间的关联却缺少清晰的解释,从而使内容的组织流于模型展览,仿佛一串没能串成项链的珍珠宝石。

用现在流行的话来说,就是这个领域里的点太多了,而把点能够连成线,线再组成面的内容产品太少了。

作者介绍

那么,我是谁,为什么我可以帮助你学习机器学习呢?

我是王天一,目前在贵州大学担任副教授,也是北京邮电大学的工学博士。可以说在人工智能这个领域,我一直没放慢过脚步。我主持过多项国家级 / 省部级科研项目,并以第一作者身份发表了 5 篇 SCI 论文(国际上最具权威性的科研成果评价体系)。现在我专注于机器学习、神经网络和大数据应用,并一直研究如何能让更多人理解、掌握人工智能,感受它的魅力。

去年 12 月,我在极客时间推出《人工智能基础课》专栏,已经有 5000+用户加入学习,并且获得了大量好评,不得不说,是用户的支持让我有了写第二季专栏的动力。

课程介绍

我在上一个专栏《人工智能基础课》(点开可获得三张脑图),介绍了人工智能必备的数学基础、机器学习、神经网络、深度学习、深度学习之外的人工智能以及四个典型的应用场景,相当于给了学习者一张人工智能的地图。初学者可以按图索骥,一点点摸清楚人工智能的大概轮廓,找到学习的方向。

可是要想继续在人工智能领域深耕,核心就是机器学习。近年来火热的 CNN、RNN 等深度学习模型也都是根植于机器学习的。

所以,这个新专栏就专注于机器学习。机器学习的核心是模型,因此除了介绍机器学习的基本理论,专栏的重点是深入剖析 30 个最流行的机器学习模型,针对每个模型,还会穿插一些基于 Python 语言的实例,让你知道这些模型的应用场景。写这个专栏,我不仅仅希望帮助你理解机器学习是什么,更想给你讲明白为什么是这样以及工作和实践中怎么去用,让“学”以“致用”。

以下是专栏目录,呈现你面前的每一篇文章,都是我和编辑们花费超过一周时间打磨出来的。

安卓用户戳此订阅《机器学习 40 讲》

这个专栏一共 40 期,每周二、四、六更新,订阅后可以永久阅读。学习过程中,有任何问题和想法,都可以在文章下给我留言,我和编辑会为你解答。

订阅福利

福利一:限时优惠价¥45,原价¥68,6 月 16 日恢复原价

福利二:每邀请一位好友购买,你可获得 18 元现金返现,多邀多得,上不封顶,立即提现(提现流程:极客时间服务号 - 我的 - 现金奖励提现)

订阅方式

如果你是安卓用户:点击下图,微信支付,试读或订阅专栏。  

如果你是苹果用户:扫下图二维码或点「阅读原文」,试读或订阅专栏。


 
AI前线 更多文章 Spark团队开源新作:全流程机器学习平台MLflow 9400亿美金市值的苹果,在AI赛场已经落后了 GDPR:中国互联网技术弯道超车的最大机会 大牛秘笈!谷歌工程师是如何改进训练数据集的? 谷歌AutoML凭什么成为“下一代AI黑科技”?
猜您喜欢 致程序员的价值观 安卓6.0系统的十大新特性,你最中意哪一个呢? DCOS平台实践之Marathon篇 Continuous integration (持续集成) IBM设立旧金山技术中心 加强数据分析业务