机器学习路线

机器学习路线

 

一、机器学习相关概念

机器学习常见问题:分类问题、回归问题、强化学习问题、聚类问题

机器学习解决问题的思路:特征工程、目标函数、评估函数、模型

二、编程基础

Offline:

shell

Python:基本语法、pipenv、numpy、pandas、sklearn

Online:

Java、C++

三、机器学习基础

LR模型

数学基础

微积分:梯度下降法

线性代数:矩阵运算

概率论与数理统计:最大似然估计

凸优化

信息论:熵

四、机器学习模型

传统机器学习算法

树模型、贝叶斯模型

深度学习算法

FNN、RNN、CNN

五、项目实战

大数据工具

Hadoop、HBase、Hive、Spark

机器学习工具

TensorFlow、PyTorch、XGBoost

项目

自然语言处理:垃圾短信识别、序列标注

图像处理:ImageNet、Fashion-Mnist

论文

经典论文阅读、github源码

你可能感兴趣的:(AI)