学习机器学习时用octave好还是python好?
机器学习建议使用python。为什么?对于大型项目,可以使用python作为接口调用,但不能使用octave作为客户端。目前,python在快速算法原型实现方面的速度比octave快,octave在这方面还不能发挥其优势。
其次,吴恩达在机器学习中使用了八度音阶,因为python在当时并不流行。您可以看到,他目前的深度学习教程还使用python作为编程语言,这也可以反映python的流行趋势及其对开发人员的友好性。
要如何开始从零掌握python机器学习?
我已经使用python7年多了,现在我正在从事视频对象识别算法的开发,使用tensorflow,它也是基于python语言的。python是一种解决所有问题的语言,值得拥有
!我从2012年开始学习机器学习,因为没有指导,我走了很多弯路,浪费了很多时间和精力。一开始,我读了《机器学习实践》一书。虽然我不懂,但我还是把书中所有的例子都跑了一遍,渐渐发现自己不懂算法也能达到预期的效果。然后,我会直接开发我想要的程序。当我遇到需要机器学习的部分时,我会直接复制它。一周后,演示会出来。在这个时候,你会发现你已经开始了。剩下的就是理解每种算法的范围和局限性。
不要掉进无休止的书堆里,练习和做项目
!呃,地铁到了。我要去工作了。我还没做完呢。有机会我会继续讨论的
首先,很清楚你学到了多少,可以为你提供一些参考:
抽象代数
高等代数
微积分
计算机科学代数与分析
应用概率
微积分与应用
几何
单变量微积分
三角函数
复变量
复变量分析
交换代数
离散数学
统计学
统计思想介绍
模型应用
动态系统统计、模糊数学等
想转专业数据科学(机器学习)需要学哪些课程?
现在主流的机器学习方法是基于神经网络的,但它是基于统计学的。我理解你所说的机器学习的介绍,从统计机器学习的介绍开始。
我在哈尔滨工业大学主修计算机科学。我的方向是机器翻译(自然语言处理)。我只谈机器学习的介绍。我从李航先生的统计学习法开始。这本书讲述了常用的统计机器学习模型的十个概念和公式推导。我当时基本上是推演这本书的,概念也很清楚,我几乎都懂了。是个初学者。
读了周志华先生写的西瓜书《机器学习》,发现与统计学习方法相比,这本书的内容更充实,但数学公式或推导相对较少。现在,我觉得周志华先生的西瓜书更适合初次阅读,因为概念和思想的例子更生动。
在阅读了马春鹏师兄在实验室翻译的prml(模式识别与机器学习)和其他nlp相关书籍后,研究相关书籍将不会首先列出,对机器学习的理解将进一步加深。
最后,在工作的压力下,我终于来到了神经网络。一开始,我读了讲义。一开始,我读了复旦邱锡鹏的《机器学习与深度学习》讲义。我通过了基本的cnn和rnn,还有著名的花书,哈哈哈,但我没读完!还有一些博客什么也不详细,感兴趣的可以联系我,与你分享
!后来,我读了更多与研究相关的书,但我没有列出它们。现在流行的预训模式,比如伯特、埃尔莫和罗伯塔,都是在看论文,,,
希望大家能顺利开始,如果有什么问题或想法可以互相交流
原文标题:python教程 学习机器学习时用Octave好还是Python好?,如若转载,请注明出处:https://www.dnheimuer.com/wenda/19160.html
免责声明:此资讯系转载自合作媒体或互联网其它网站,「东宁黑木耳网」登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,文章内容仅供参考。