一周高效入门机器学习

前言：

个人觉得有一些基本数学基础，都可以快速入门机器学习算法。从而为转行或者初步入门做一下理论基础。
这个时候有人就说了，学习机器学习你需要重新开始过一遍高数，线代，概率，凸优化云云，然后在学习python, 或者octave云云。我觉得这样的人大多数是还没开始就放弃的。就像登山一样，你如果要等到自己全副武装登山设备，然后从山最陡峭的一面一个人打下攻坚仗，那真的太难了。但是你如果从山的另一面的曲径小道，慢慢沿着别人给你铺好的小路步行上去，那难度就小很多了。当然，如果能坐上登山索道有大神carry亲自辅导那更是直接抵达目的地。

内容解析

对于大部分的已经工作的朋友或者还在忙着学业的小白们，大部分都不想几个月全推导公式来入门机器学习的。如果有兴趣的朋友可以看看知乎上关于如何入门的链接：
https://www.zhihu.com/question/26006703

我个人觉得其实天下武功唯快不破，用最短的时间、最方便的方法、入门最重要的机器学习才是王道。所以，就总结一下如何一周高效入门机器学习理论基础的入门秘籍（相关链接地址参见文末）：

（1）观看Coursera吴恩达机器学习系列课程（b站有中文字幕版）
（2）如果有不理解或者思路不连续的内容，参照
黄海广博士团队整理的相关学习笔记帮助理解 + 吴恩达课程图集笔记（相当于汉语精华视频）

（3）因为此课程面向所有人，涉及具体公式推导和理解内容还是并未展开，因此需要借助一些达人博客或者视频内容。有关于SVM,PCA, 神经网络反向传播推导内容等。

吴恩达课程主要包括：

监督学习：
		线性回归
		逻辑回归
		SVM
非监督学习：
		k-means
		PCA
神经网络：
		前向传播
		反向传播
异常检测、推荐系统、大规模机器学习、文字识别等应用或者经验

（4）为了防止走神，和快速检测，推荐90题细品吴恩达《机器学习》
（5）并不建议手撕代码完全实现，相反很多厂家都有现成的机器学习接口，封装好了供你使用，所以强推scikit learn. 建议往后第二周看一下
菜菜的sklearn课堂【全85集】Python进阶

相关连接：

【1】机器学习系列课程
【2】学习笔记
a.吴恩达deep learning.ai课程笔记，黄海广版的
链接：https://pan.baidu.com/s/1XdmcCe9JYSwXFg9KIQdYnQ 密码：c9ul

b. 吴恩达机器学习课程笔记，黄海广版的
链接：https://pan.baidu.com/s/1rezHy5MDw6nQakzOilrZaA 密码：r011

【3】吴恩达课程图集笔记
【4】90题细品吴恩达《机器学习》
【5】部分内容公式推导博客（BP/SVM/PCA）
（1）BP:一文弄懂神经网络中的反向传播法——BackPropagation
（2）SVM-linear:Python3《机器学习实战》学习笔记（八）：支持向量机原理篇之手撕线性SVM
（3）SVM-nonlinear:《机器学习实战》学习笔记（九）：支持向量机实战篇之再撕非线性SVM
（4）PCA的数学原理
（5）矩阵求导、几种重要的矩阵及常用的矩阵求导公式

【6】菜菜的sklearn课堂【全85集】Python进阶
【7】 机器学习实战PDF版
链接：https://pan.baidu.com/s/1bHgsiJAZNV_7b0jkVhJwvQ 密码：3p14