合作专线:17362615757
行业资讯

AI资讯

当前位置:首页 > 行业资讯 > AI资讯

GitHub超全自动机器来学习技术人员成长成熟改走图片,开源平台两日收获满满3700+Star!

参加 2019 Python开发者日,请扫码咨询 ↑↑↑

作者 | 琥珀出品 | AI科技大本营(ID:rgznai100)
近日,一个在 GitHub 上开源即收获了 3700+ Star 的项目,引起了营长的注意。据介绍,该项目以 TensorFlow 和 Scikit-learn 的机器学习框架的基础库为例,详细介绍了如何成为一名机器学习工程师的成长路径。

该项目的作者还是一位来自意大利的 IT 工程师,名叫 Giacomo Ciarlini,十分帅气的有没有?
GitHub 传送门:作者首先强烈推荐了《Scikit-Learn 与 TensorFlow 机器学习实用指南》一书。之外,他还上传了全球顶尖大学和开源组织的学习资源,并收集了理论和示例,以及对选择最佳资源的建议。
内容主要分为四大部分:
一、先决条件
PythonJupyter Notebook需要掌握的基本数学知识机器学习全貌
二、使如何使用 Scikit-Learn 进行机器学习
为什么是 Scikit-Learn?端到端机器学习项目线性回归分类训练模型支持向量机决策树合奏学习和随机森林无监督学习结语和期待
三、通过 TensorFlow 训练的神经网络
为何选择 TensorFlow?使用 TensorFlowANN - 人工神经网络CNN - 卷积神经网络RNN - 递归神经网络训练网络:最佳实践自动编码强化学习
四、工具
机器学习项目数据科学工具博客 / YouTube 频道 / 网站
每个标签下,作者都有详细的解释并给出了实战操作的资源,实乃良心之作!下面,就由营长来详细介绍下这个项目里有哪些值得一看的资源(并附上部分教程链接)。
一、先决条件
Python
基础知识:
作者还建议,除了对 Python 熟悉掌握外,还可以了解下 Numpy,它是数学运算的重要模块,可以有助于你在后面 Python 环境中导入 Tensor 数据类型。
Python3 安装地址:
PyCharm Community Edition(一个用于 Python 开发的完整 IDE,为实验设置一个新的 Python 虚拟环境)安装地址:
Jupyter Notebook
是一个开源的 Web 应用程序,帮助用户创建和共享文档,包括 live code,方程,可视化,叙述文本。例如,数据清洗、数值模拟、统计建模、数据可视化、机器学习等。
需要掌握的基本数学知识
在作者看来,数学是机器学习背后的重要基础。但重要的是,掌握主要概念并认识到这些数学方法的应用领域和局限性。
他给出了三个课程链接,分别是:
线性代数:概率基础和统计:其他数学资源:
机器学习全貌
最后,还要通过一篇科普读物,了解整个机器学习全貌:
二、如何使用 Scikit-Learn 进行机器学习?
安装 Scikit-Learnpython pip install -U scikit-learn如果安装时遇到一些问题,可能是你更新到最新版本的 pip,所以在同一个文件夹内运行:
python -m pip install --upgrade pip
为什么是 Scikit-Learn?
Scikit-Learn 是机器学习任务中最完整、最成熟,且记录完整的库之一。它开箱即用,具有强大而先进的模型。
端到端机器学习项目
Kaggle,作为机器学习和通用数据科学项目的首选平台,它提供了大量免费数据集,以及有趣的挑战和 ML 模型实验。
线性回归
线性回归是最简单的机器学习形式,也是模型训练的起点。
可以参看吴恩达的理论课程:;list=PLoR5VjrKytrCv-Vxnhp5UyS1UjZsXP0Kj&index=2
分类
如果想要从不同的可能性中预测结果,分类则是最重要的机器学习任务之一。最简单的情况是二元分类问题。
训练模型
作者列举了 ML 任务中训练模型的一些技术,在 Google Crash 教程中可以找到:
梯度下降:学习率:SGD:正则化:
支持向量机
是创建 ML 模型的另一种经典算法。
除了理论解释外,还有更多实战策略:
决策树
集成学习和随机森林
集成学习(Ensemble Learning)的思路是利用了几款 ML 模型的所有不同特征、优劣势,以期得到最有可能性的预测结果。
集成学习基础知识:随机森林最经典实践:
无监督学习
涵盖了无监督学习的介绍、解释,以及与监督学习、强化学习之间的差别。关于涉及的两个重要技术:关联规则(Association Rules)和聚类,作者分别提供了示例和教程。
三、通过 TensorFlow 训练的神经网络
在本节中,作者主力推荐斯坦福大学深度学习课程以及其他网络教程,帮助学习者快速了解这些内容。其中包括 ANN、CNN、RNN 等不同种类的机器学习模型。实际上,作者花了很长时间去理解神经网络的理论和应用,包括阅读博客、官网论坛、学习路径。
他给出了“三步走”的建议:
通过斯坦福大学教程了解神经网络的主要概念,不要过多担心一些数学解释,而要关注什么和为什么;使用理论 + 教程 + 示例(如 RNN 理论 + RNN 教程 + RNN 示例),每次只深度探讨一个主题;每探讨完一个主题,就回溯一遍斯坦福大学的课程。这种方式将帮助你完全理解所有公式,并将课程中提到的 “数学” 相关知识联系起来,触类旁通。
作者表示,以上这种方式可根据需要重复多次,然后在你的头脑中构建一个良好的通用模型。
斯坦福大学课程 PPT 地址:
为何选择 TensorFlow?
目前,TensorFlow 已经企业里实现机器学习算法的事实标准。
在安装 TensorFlow 库之前,你只需在 Python 安装文件夹中打开一个终端并运行此命令:python pip install tensorflow
ANN - 人工神经网络CNN - 卷积神经网络RNN - 递归神经网络训练网络:最佳实践自动编码强化学习以上细节就不一一细讲了。
四、其他资源
除了上述内容之外,作者还收集了大量文章、网络应用程序、最佳实践、项目和存储库。
机器学习项目
工具
YouTube 频道
博客
以及,其他值得一看的网站:
作者最后表示,将在接下来的时间里对不同的主题进行扩充,包括:无监督学习、机器学习心态框架(如何像数据科学家一样思考)、使用 Pandas 进行数据处理和准备、特征选择、特色工程、扩展参数优化部分、Keras 库、TensorFlow 2.0、如何在 AWS、Azure 上部署模型等。
(本文为 AI科技大本营原创文章,转载请微信联系 1092722531)
◆精彩推荐◆「2019 Python开发者日」7折票限时开售!这一次我们依然“只讲技术,拒绝空谈”10余位一线Python技术专家共同打造一场硬核技术大会。更有深度培训实操环节,为开发者们带来更多深度实战机会。
目前演讲嘉宾议题已确认,扫描海报二维码,即刻抢购7折优惠票价!更多详细信息请咨询13581782348(微信同号)。

推荐阅读:李沐团队新作Gluon,复现CV经典模型到BERT,简单好用 | 强烈推荐深度研究自然梯度优化,从入门到放弃 | Deep Reading110道Python面试题2019Python跳槽薪资报告:人生苦短,Pythoner们还好吗?如何用30分钟快速优化家中Wi-Fi?阿里工程师有绝招做了四年以太坊核心开发者, 以太坊升级了, 我也该离开了……抢饭碗?日本乐天要求员工学编程!腾讯服务器崩溃!曝光!月薪5万的程序员面试题:73%人都做错,你敢试吗?
你也可以点击阅读原文,查看大会详情。
Auto_z