前提条件和准备工作

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。

开始学习

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。

开始学习

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。

开始学习

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：

1. 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。
2. 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
3. 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

如需了解如何在计算机上下载、安装和运行编程练习，请参阅在本地运行编程练习。

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

• 变量、 系数、 和函数
• 线性方程式，例如 \(y = b + w_1x_1 + w_2x_2\)
• 对数和对数方程式，例如 \(y = ln(1+ e^z)\)
• S 型函数

线性代数

• 张量和张量秩
• 矩阵乘法

三角学

• tanh（作为 激活函数； 无需事先掌握相关知识）

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）

• 导数的概念 （你不必实际计算导数）
• 渐变 或斜坡
• 偏导数 （与梯度密切相关）
• 链式法则 （如需全面了解反向传播算法， 用于训练神经网络）

Python 编程

Python 教程中介绍了以下 Python 基础知识：

• 定义和调用函数， 使用 positional 和 keyword 参数

• 字典， 列表、 集（创建、访问和迭代）

• for 循环， for 使用多个迭代器变量（例如，for a, b in [(1,2), (3,4)]）

• if/else 条件块和 条件表达式

• 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：

• 列表理解

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：

• Bash 参考手册
• Bash 备忘单
• 了解 Shell