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。
我对机器学习有一些了解,但想了解更新、更全面的机器学习知识。
机器学习速成课程是很好的复习进修资料。您可以按顺序学习所有单元,也可以只学习您感兴趣的单元。
我很了解机器学习,但对 TensorFlow 知之甚少或一无所知。
很多资料对您来说可能太初级了。您不需要学习所有内容,只需重点学习以下资料即可:
机器学习速成课程主要侧重于高阶 API。如果您更希望学习低阶 TensorFlow API(可能是为了进行机器学习研究),请查看以下资源:

在开始机器学习速成课程之前,请先阅读下面的前提条件准备工作部分,以确保您已做好完成所有单元所需的准备工作。

前提条件

机器学习速成课程并不会假定或要求您预先掌握机器学习方面的任何知识。但是,为了能够理解课程中介绍的概念并完成练习,您最好满足以下前提条件:

  • 掌握入门级代数知识。 您应该了解变量和系数、线性方程式、函数图和直方图(熟悉对数和导数等更高级的数学概念会有帮助,但不是必需条件)。

  • 熟练掌握编程基础知识,并且具有一些使用 Python 进行编码的经验。 机器学习速成课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。您无需拥有任何 TensorFlow 经验,但应该能够熟练阅读和编写包含基础编程结构(例如,函数定义/调用、列表和字典、循环和条件表达式)的 Python 代码。

准备工作

Pandas 使用入门

机器学习速成课程中的编程练习使用 Pandas 库来操控数据集。如果您不熟悉 Pandas,建议您先学习intro_to_pandas.ipynb该教程介绍了练习中使用的主要 Pandas 功能。

低阶 TensorFlow 基础知识

机器学习速成课程中的编程练习使用 TensorFlow 的高阶 tf.estimator API 来配置模型。如果您有兴趣从头开始构建 TensorFlow 模型,请学习以下教程:

  • hello_world.ipynb:在低阶 TensorFlow 中编码的“Hello World”。
  • tensorflow_programming_concepts.ipynb:演示了 TensorFlow 应用中的基本组件:张量、指令、图和会话。
  • creating_and_manipulating_tensors.ipynb:张量快速入门 - TensorFlow 编程中的核心概念。此外,还回顾了线性代数中的矩阵加法和乘法概念。

主要概念和工具

机器学习速成课程中介绍并应用了以下概念和工具。有关详情,请参阅链接的资源。

数学

代数

线性代数

三角学

统计信息

微积分(可选,适合高级主题)

Python 编程

基础 Python

Python 教程中介绍了以下 Python 基础知识:

中级 Python

Python 教程还介绍了以下更高级的 Python 功能:

第三方 Python 库

机器学习速成课程代码示例使用了第三方库提供的以下功能。无需提前熟悉这些库;您可以在需要时查询相关内容。

Matplotlib(适合数据可视化)

Seaborn(适合热图)

Pandas(适合数据处理)

NumPy(适合低阶数学运算)

scikit-learn(适合评估指标)

Bash 终端/云端控制台

要在本地计算机上或云端控制台中运行编程练习,您应该能熟练使用命令行: