欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远
- ApacheCN - 学习机器学习群【629470233】
- Machine Learning in Action (机器学习实战) | ApacheCN(apache中文网)
- 电子版书籍:【机器学习实战-中文版-带目录版.pdf】
- -- 感谢 大佬 Wizard Zhang 生成的电子书《机器学习实战-ApacheCN.pdf》
- 视频已更新完成,如果你觉得有价值,请帮忙点 Star【后续组织学习活动:sklearn、kaggle 和 tensorflow】
- -- 视频网站:优酷/bilibili / Acfun ,可直接在线播放。(最下方有相应链接)
- -- 对于帮忙转发 MachineLearning(机器学习) 学习路线图 的朋友,可以加群后私聊 瑶妹 企鹅 赠送《机器学习实战》百度云视频一套,谢谢
- 1.) 机器学习基础
- 2.) k-近邻算法
- 3.) 决策树
- 4.) 基于概率论的分类方法:朴素贝叶斯
- 5.) Logistic回归
- 6.) 支持向量机
- 7.) 集成方法-随机森林和AdaBoost
- 8.) 预测数值型数据:回归
- 9.) 树回归
- 10.) 使用K-均值聚类算法对未标注数据分组:k-means聚类
- 11.) 使用Apriori算法进行关联分析
- 12.) 使用FP-growth算法来高效发现频繁项集
- 13.) 利用PCA来简化数据
- 14.) 利用SVD简化数据
- 15.) 大数据与MapReduce
- 16.) 推荐系统
项目负责人
- @jiangzhonglian(片刻)
项目贡献者
- @jiangzhonglian(片刻)
- @wangyangting(那伊抹微笑)
- @chenyyx(瑶妹)
- @geekidentity(侯法超)
- @mikechengwei(Mike)
- @hello19883(hello19883)
- @sheepmen(徐鑫)
- @highfei2011(ibe)
- @LeeMoonCh(Arithmetic)
- @caopeirui(Veyron C)
加入方式
-
企鹅: 529815144(片刻) 1042658081(那伊抹微笑) 190442212(瑶妹)
当然我知道,第一句就会被吐槽,因为科班出身的人,不屑的吐了一口唾沫,说傻X,还评论 Andrew Ng 的视频。。
我还知道还有一部分人,看 Andrew Ng 的视频就是看不懂,那神秘的数学推导,那迷之微笑的英文版的教学,我何尝又不是这样走过来的?? 我的心可能比你们都痛,因为我在网上收藏过上10部《机器学习》相关视频,外加国内本土风格的教程:7月+小象 等等,我都很难去听懂,直到有一天,被一个百度的高级算法分析师推荐说:《机器学习实战》还不错,通俗易懂,你去试试??
我试了试,还好我的Python基础和调试能力还不错,基本上代码都调试过一遍,很多高大上的 "理论+推导",在我眼中变成了几个 "加减乘除+循环",我想这不就是像我这样的程序员想要的入门教程么?
很多程序员说机器学习 TM 太难学了,是的,真 TM 难学,我想最难的是:没有一本像《机器学习实战》那样的作者愿意以程序员 Coding 角度去给大家讲解!!
最近几天,GitHub 涨了 300颗 star,加群的200人, 现在还在不断的增加++,我想大家可能都是感同身受吧!
很多想入门新手就是被忽悠着收藏收藏再收藏,但是最后还是什么都没有学到,也就是"资源收藏家",也许新手要的就是 MachineLearning(机器学习) 学习路线图。没错,我可以给你们的一份,因为我们还通过视频记录下来我们的学习过程。水平当然也有限,不过对于新手入门,绝对没问题,如果你还不会,那算我输!!
视频怎么看?
- 理论科班出身-建议去学习 Andrew Ng 的视频(Ng 的视频绝对是权威,这个毋庸置疑)
- 编码能力强 - 建议看我们的《机器学习实战-教学版》
- 编码能力弱 - 建议看我们的《机器学习实战-讨论版》,不过在看理论的时候,看 教学版-理论部分;讨论版的废话太多,不过在讲解代码的时候是一行一行讲解的;所以,根据自己的需求,自由的组合。
循序渐进大体介绍:机器学习初学者建议 | ApacheCN
干货内容实际操作:MachineLearning(机器学习) 学习路线图
ApacheCN-机器学习视频-更新地址-AcFun
ApacheCN-机器学习视频-更新地址-bilibili
ApacheCN-机器学习视频-更新地址-优酷