機器學習密集課程是否適合您?
我幾乎或完全沒有機器學習背景。
建議你依序瀏覽所有相關資料。
我對機器學習有一些背景,但我希望更瞭解最新狀況。
機器學習密集課程是絕佳的複習資源。請依序完成所有單元,或僅選取感興趣的模組。
我對機器學習技術的瞭解不太瞭解,但對 TensorFlow 不太瞭解,或是完全不瞭解。
大量內容可能太過基本,與其著重於所有的內容,不如專注於以下內容:
機器學習密集課程主要著重於高階 API。如果想要深入瞭解低階 TensorFlow API (或許能進行機器學習研究),請改為參考以下資源:
開始參加機器學習當機課程前,請先詳閱下列前置作業和必備條件一節,確保您已做好所有單元的準備。
事前作業
開始機器學習密集課程前,請先完成下列步驟:
- 如果您是第一次使用機器學習,請參閱機器學習簡介。這個簡短的自學課程介紹基本的機器學習概念。
- 如果您是第一次使用 NumPy,請參考 NumPy Ultra Ultra 教學課程 Colab 運動內容,並在本課程中提供所有 NumPy 資訊。
- 如果您是 pandas 的新手,請執行 pandas UltraQuick 教學課程 Colab 運動,其中的內容會提供課程所需的所有 pandas 資訊。
必要條件
機器學習密集課程不會預先學習或深入瞭解機器學習。不過,為瞭解相關概念並完成練習,建議學生符合下列資格條件:
您必須能夠接受變數、線性方程式、函式圖形、直方圖和統計意義。
您是專業的程式設計師。在理想情況下,您會發現 Python 有幾項程式設計經驗,因為程式設計的練習是以 Python 進行。不過,經驗豐富的程式設計人員 (通常具備 Python 經驗) 通常仍可完成程式設計。
下列各節提供了其他實用背景資訊的連結。
代數學
線性代數
三角學
統計資料
- 平均值、中位數、離群值和標準差
- 能夠讀取直方圖
微積分 (進階主題為選用)
Python 程式設計
Python 教學課程涵蓋下列 Python 基本概念:
for
迴圈,for
提供多個疊代器變數 (例如for a, b in [(1,2), (3,4)]
)字串格式 (例如
'%.2f' % 3.14
)變數、指派、基本資料類型 (
int
、float
、bool
、str
)
部分程式設計練習使用下列進階 Python 概念:
Bash 終端機 / Cloud 控制台
如要在本機電腦或 Cloud 控制台中執行程式設計練習,您應該可以輕鬆使用指令列: