python教程 学习机器学习时用Octave好还是Python好？
学习机器学习时用Octave好还是Python好？
机器学习建议使用Python。为什么？对于大型项目，可以使用Python作为接口调用，但不能使用octave作为客户端。目前，Python在快速算法原型实现方面的速度比octave快，octave在这方面还不能发挥其优势。
其次，吴恩达在机器学习中使用了八度音阶，因为Python在当时并不流行。您可以看到，他目前的深度学习教程还使用Python作为编程语言，这也可以反映Python的流行趋势及其对开发人员的友好性。
要如何开始从零掌握Python机器学习？
我已经使用Python 7年多了，现在我正在从事视频对象识别算法的开发，使用tensorflow，它也是基于Python语言的。Python是一种解决所有问题的语言，值得拥有
！我从2012年开始学习机器学习，因为没有指导，我走了很多弯路，浪费了很多时间和精力。一开始，我读了《机器学习实践》一书。虽然我不懂，但我还是把书中所有的例子都跑了一遍，渐渐发现自己不懂算法也能达到预期的效果。然后，我会直接开发我想要的程序。当我遇到需要机器学习的部分时，我会直接复制它。一周后，演示会出来。在这个时候，你会发现你已经开始了。剩下的就是理解每种算法的范围和局限性。
不要掉进无休止的书堆里，练习和做项目
！呃，地铁到了。我要去工作了。我还没做完呢。有机会我会继续讨论的
首先，很清楚你学到了多少，可以为你提供一些参考：
抽象代数
高等代数
微积分
计算机科学代数与分析
应用概率
微积分与应用
几何
单变量微积分
三角函数
复变量
复变量分析
交换代数
离散数学
统计学
统计思想介绍
模型应用
动态系统统计、模糊数学等
想转专业数据科学（机器学习）需要学哪些课程？
现在主流的机器学习方法是基于神经网络的，但它是基于统计学的。我理解你所说的机器学习的介绍，从统计机器学习的介绍开始。
我在哈尔滨工业大学主修计算机科学。我的方向是机器翻译（自然语言处理）。我只谈机器学习的介绍。我从李航先生的统计学习法开始。这本书讲述了常用的统计机器学习模型的十个概念和公式推导。我当时基本上是推演这本书的，概念也很清楚，我几乎都懂了。是个初学者。
读了周志华先生写的西瓜书《机器学习》，发现与统计学习方法相比，这本书的内容更充实，但数学公式或推导相对较少。现在，我觉得周志华先生的西瓜书更适合初次阅读，因为概念和思想的例子更生动。
在阅读了马春鹏师兄在实验室翻译的PRML（模式识别与机器学习）和其他NLP相关书籍后，研究相关书籍将不会首先列出，对机器学习的理解将进一步加深。
最后，在工作的压力下，我终于来到了神经网络。一开始，我读了讲义。一开始，我读了复旦邱锡鹏的《机器学习与深度学习》讲义。我通过了基本的CNN和RNN，还有著名的花书，哈哈哈，但我没读完！还有一些博客什么也不详细，感兴趣的可以联系我，与你分享
！后来，我读了更多与研究相关的书，但我没有列出它们。现在流行的预训模式，比如伯特、埃尔莫和罗伯塔，都是在看论文，，，
希望大家能顺利开始，如果有什么问题或想法可以互相交流
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
