书籍: Simple Machine Learning for Programmers - 2018.pdf 程序员简单机器学习

图片.png

这本书对我来说是一个实验。

经过多年在线教学成功的深度学习和机器学习课程，我注意到了一些模式。

其中之一就是大部分学生在看到数学时才跑出去。

这有点问题，因为机器学习本质上是应用数学（例如，而不是仅仅写下你将方程式编程到计算机中的方程式，以便执行一些有用的任务）。

很多学生都问过我，“懒惰的程序员，是否有可能通过API学习机器学习？”

实际上，在编程中，您可以在大型系统中对不同组件进行抽象的想法是一个非常强大的概念。

这意味着您不必非常详细地理解每一行代码，而是相信其他程序员（构建各自的组件）已经完成了各自的难题。

API是合同。它说：“你给我这个，我保证会把它给你。”

它允许您专注于仅编写系统的一部分，因为您相信其他人都正确地执行了他们的工作。

本书是一个实验，可以了解学生如何在机器学习中学习一些基本概念，而无需进行任何数学或理论工作。

如果您是一名希望通过“API方法”学习机器学习的程序员，那么本书非常适合您。

我的课程总计超过100小时的数学，算法和理论。如果那就是你要找的东西，那就不是了。

在本书中，我们将学习如何使用机器学习解决实际问题。我们甚至会看到如何应用简单的深度神经网络，而不必理解它们如何在数学上工作。

我们将大量使用Numpy Stack：

NumPy的
SciPy的
Pandas
Scikit-Learn

本书的另一个目标是让您为学习更多高级主题做好准备。一个这样的主题是自然语言处理（NLP）。从本质上讲，NLP是机器学习应用于文本。

我在学生中看到的一个常见模式是，他们经常试图解决NLP，而不是首先了解机器学习！

这导致了各种奇怪的误解和错误的假设。如果你不知道那些东西，你就不能申请。

当然，结果是过度沮丧。

到目前为止，我没有地方指出这些学生，以便学习机器学习的基础知识。

大多数其他资源的问题在于它们试图让机器学习听起来尽可能复杂。他们的目标是使机器学习听起来几乎是神奇的。

他们也使用API，但他们将代码视为魔法，而不是试图真正理解机器学习的作用。

我更喜欢现实的方法。

我不想让机器学习听起来很神奇，而是希望让机器学习听起来尽可能愚蠢。事实上，我将向您展示它只不过是一个几何问题。

这是真正的直觉。

您可以使用基本的空间推理技巧来理解机器学习，而不是做魔术，这可以让您更好地实现机器学习算法 - 成为机器学习大师的下一步。