机器学习速成课程是否适合您?
我只有很少或根本没有机器学习背景。
我们建议您按顺序学习所有资料。
我有一些机器学习方面的背景,但想更全面地了解当前的情况。
机器学习速成课程会非常有用。请按顺序学习所有模块,或仅选择您感兴趣的模块。
我非常了解机器学习,但我对 TensorFlow 知之甚少或一无所知。
其中很多资料对您来说可能太基础了。与其浏览所有内容,不如重点学习以下材料:
机器学习速成课程主要侧重于更高级别的 API。如果您更喜欢了解低级别 TensorFlow API(可能会进行机器学习研究),请改为探索以下资源:
在开始机器学习速成课程之前,请仔细阅读以下准备工作和前提条件部分,确保您为完成所有模块做好准备。
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,请学习机器学习简介。这个简短的自学课程介绍了机器学习的基本概念。
- 如果您是 NumPy 的新手,请完成 NumPy Ultraquick 教程 Colab 练习,它会提供您学习本课程所需的所有 NumPy 信息。
- 如果您是 Pandas 新手,请完成 Pandas UltraQuick 教程 Colab 练习,它会提供您学习本课程所需的全部 Pandas 信息。
前提条件
机器学习速成课程不要求学习机器学习知识,也不需要任何相关知识。不过,为了理解所呈现的概念并完成练习,我们建议学生满足以下前提条件:
您必须熟悉变量、线性方程式、函数图、直方图和统计方法。
您必须是优秀的程序员。理想情况下,您应该具有使用 Python 进行编程的经验,因为编程练习是使用 Python 编写的。但是,没有 Python 经验的经验丰富的程序员通常也可以完成编程练习。
以下各部分提供了指向有用背景资料的链接。
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(对于高级主题为可选课程)
Python 编程
Python 教程介绍了以下 Python 基础知识:
for
循环、具有多个循环变量的for
循环(例如,for a, b in [(1,2), (3,4)]
)字符串格式(例如,
'%.2f' % 3.14
)变量、赋值、基本数据类型(
int
、float
、bool
、str
)
一些编程练习使用以下更高级的 Python 概念:
Bash 终端 / Cloud 控制台
如需在本地计算机上或 Cloud Console 中运行编程练习,您应该能够熟练使用命令行: