二、基礎機器學習

資源

機器學習是一門基於資料教導電腦的藝術與科學。它是建立在電腦科學與數學交叉的領域。當中深度學習只是其中一個子集合。機器學習的觀念與工具對於理解深度學習是很重要的。

•  介紹機器學習 - 決策樹 ★
•  Andrew Ng的機器學習課程，在Coursera上最流行的課程 ★★
•  Larochelle的課程沒有跟一般的機器學習分開來介紹，但是所以必須的觀念都做了定義與解釋。
•  1. 訓練與測試模型 (kNN) ★★
•  2. 線性分類 (SVM) ★★
•  3. 最佳化 (隨機梯度下降） ★★
•  5. 機器學習基礎M ★★★
•  主成分分析法形象地講述 ★
•  如何有效率的使用 t-SNE ★★

工具

很多流行的機器學習演算法用Scikit-learn Python 函式庫來實做。從頭來做會幫助你了解機器學習是如何運作的。

用Python實做機器語言教學包含線性回歸，k-近鄰與支持向量機器。最先它演示如何使用Scikit-learn，然後從頭開始實作演算法。 ★
 Andrew Ng的課程在 Coursera，有很多作業。同樣的可以用Python來實做演算法。 ★★

回首頁 - 深度學習指南