机器学习速成课程适合您吗?
我对机器学习知之甚少或一无所知。
我们建议您按顺序学习所有资料。
我对机器学习有一些了解,但想更全面地了解最新情况。
机器学习速成课程是很好的复习课程。您既可以按顺序学习所有单元,也可以只学习您感兴趣的单元。
我拥有运用机器学习概念处理数据和构建模型的实践经验。
虽然机器学习速成课程可能对您有所帮助,
机器学习概念,您可能还需要了解我们的一些高级机器学习
课程,其中介绍了用于解决各种机器学习问题的工具与技术
网域。
我在寻找关于如何使用 Keras 等机器学习 API 的教程。
虽然机器学习速成课程包含一些使用
机器学习库,例如 Numpy、Pandas 和 Keras,主要用于教学
机器学习概念,并未深入介绍机器学习 API。如需更多 Keras 资源,
请参阅 Keras 开发者指南。
请仔细阅读以下准备工作和 开始机器学习之前的前提条件部分 速成课程,确保您做好完成所有单元的准备。
准备工作
在开始学习机器学习速成课程之前,请执行以下操作:
- 如果您刚开始接触机器学习,请 机器简介 正在学习。 这个简短的自学课程介绍了基本的机器学习 概念。
- 如果您刚开始接触 NumPy,请执行以下操作: NumPy 超快教程 Colab 练习,其中提供了所有 NumPy 学习本课程所需的信息
- 如果您刚开始接触 Pandas,请先学习 熊猫 UltraQuick 教程 Colab 练习,该练习介绍了 学习本课程所需的信息
直接在浏览器中运行编程练习(无需设置 使用 Colaboratory 来运行 平台。大多数主流浏览器都支持 Colaboratory, 在桌面版 Chrome 和 Firefox 上进行了全面测试。
前提条件
机器学习速成课程不假定或要求具备 机器学习。不过,为了理解本课程中介绍的概念, 并完成练习,我们建议学生完成 以下前提条件:
您必须熟悉变量、线性方程式 函数图、直方图和统计均值。
你应该是一名优秀的程序员。理想情况下 拥有使用 Python 编程的经验,因为 可以使用 Python 进行编程练习。不过, 不具备 Python 经验的程序员通常可以完成 练习。
以下部分提供了指向其他背景资料的链接 非常有帮助。
代数
线性代数
三角学
统计信息
- 平均值、中位数、离群值、 和标准差
- 能够读取直方图
微积分(可选,适用于高级主题)
Python 编程
Python 教程中介绍了以下 Python 基础知识:
for
循环,for
使用多个迭代器变量(例如,for a, b in [(1,2), (3,4)]
)字符串格式设置 (例如,
'%.2f' % 3.14
)变量、赋值、基本数据类型 (
int
、float
、bool
、str
)
一些编程练习使用的是以下更高级的 Python 概念:
Bash 终端和 Cloud 控制台
如需在本地机器或 Cloud 控制台上运行编程练习,请执行以下操作: 您应该能够熟练使用命令行: