机器学习一直是热门话题，它之所以如此重要，也是有原因的。它可以帮助人们预测未来的行为，让电子邮件远离垃圾邮件，并根据喜好记住电影推荐。机器学习的无限可能性、该领域的高薪以及工作人员在工作中获得的纯粹乐趣，让大多数时间都感觉像是在工作。但是，零经验的人如何在合理的时间内掌握机器学习？本文将给出答案。无论背景如何，所有人的第一步都是相同的。机器学习不仅仅适用于数学博士。我没有数学博士学位，我也不认为自己特别聪明，但有一件事是肯定的——我比周围的人都更努力。如果没有工作，高学历一文不值。话虽如此，初学者应该客观准确地评估自己的现状。问自己几个问题：我的编程水平如何？我最后一次解决数学问题和做统计是什么时候？我愿意花多少时间在机器学习上？请注意，您无需专门研究这些领域中的任何一个即可进行应用机器学习。只需要比普通数学家更擅长编程，比普通程序员更擅长数学。这是黄金标准。如果你看到这个，太好了，现在准备好进入机器学习这个爱恨交加的世界吧。1.PythonDataScienceandMachineLearningBootcamp来源：Pexels这是一个在线课程，大约需要22小时才能观看，但可能需要5倍的时间才能完全理解。课程范围从Python的复习到库的介绍，再到机器学习算法的深入研究。我已经完成了课程-这是开始学习机器学习的好方法，但仅此而已。因为这些算法解释的不是很深入。当然，完成课程后你将能够使用算法并用它们解决实际问题，但可能不清楚使用哪种算法、何时以及如何（适当地）调整算法。这是因为本课程的重点不是数学。事实上，我认为这门课程根本不涉及任何数学，只是涉及如何使用Python的各种库。课程作者建议学生在学习课程的同时阅读《统计学习入门》，以获得扎实的理论基础。我也觉得这本书值得一看。但是，该课程仍然提供许多很好的练习机会。价格：Udemy的原价为194.99美元，但经常以9.99美元的折扣价出售。这项投资永远不会赔钱。2.Coursera：AndrewNg的机器学习课程这门课程就像是进入机器学习行业的标配。截至目前，已有超过12万名用户对课程进行了评分，平均评分为4.9分（满分5分），这也印证了课程的优质性。视频质量乏善可陈，但内容质量弥补了这一点。这门课程的内容比第一门课程要深入得多。虽然Ng说有些东西不懂没关系，但是你应该找到自己的弱点，并尽最大努力去加强它。据我所知，该实验室使用一种名为“Octave”的奇怪语言，它是Matlab的免费替代品。这几乎是该课程的唯一缺点，因为如今机器学习几乎完全是用Python或R完成的。价格：观看视频是免费的，但您必须支付100美元才能获得结业证书。将证书添加到您的LinkedIn个人资料很酷，但这不是必需的。3.哈佛大学：CS109A来源：新浪与前面两个学习资源不同，这不是视频课。它是一个GitHub存储库，其中包含理论部分的讲座(PDF)和Jupyter实验室笔记。老实说，我不知道为什么这个资源是免费的。它是由世界一流大学之一制作的完整课程，而且完全免费。它包含20多个讲座、13个实验笔记，通常是机器学习的良好起点。我还没有完成，因为我最近才开始查看此资源。但据我所知，它真的很酷。价格：免费，跟着图书馆学就可以了。机器学习准备资源：Pexels现在您已经拥有3个很好的学习资源来开始您的机器学习之旅。这绝非易事，尤其是如果您缺乏一些背景知识并且需要弥补，但努力是有回报的。如果你是零基础，我建议从哈佛大学第三资源课程开始，我认为这是以上三资源课程中最好的。但这并不意味着其他两个不好，相反，他们都很棒。我的建议是：如果你想对理论部分有一个广泛的了解，并且想要大量的实践机会，请选择第一个如果你想掌握机器学习的一般理论并且不喜欢视频课程，请选择第三篇如果想了解一点背景知识，又想看懂表情包，选第二篇感谢阅读。小心。
