零基础学会机器学习,到底要多久?

news2024/9/23 19:25:46

这两天啊,有不少朋友和我说,想学机器学习,但是之前没有基础,不知道能不能学得会。

首先说结论,只要坚持,就能学会,但是一定不能三天打鱼两天晒网,要持之以恒,至少每隔两天,必须得看一点。所以呀,我整理了关于机器学习各种内容的资料,跟大家一起看一看,从零基础入门,想要学会深度学习,到底需要多长时间呢?

首先声明,没有广告!没有广告!没有广告!

接下来呢,咱们就进入正题,要多久能学会,也就是基本掌握机器学习。这里,我们依次来看。

想要直接学深度学习的同学!直接移步第二部分!

传统机器学习

Python 10-20天

首先要说咱们传统的机器学习,我们现在的机器学习呢,尤其是后面的深度学习,都是用python来写的,所以学会python一定是必不可少的。

需要掌握到什么程度呢?基础语法全部要掌握,进阶语法部分,元组,字典这些结构要掌握,列表生成器也要掌握,面向对象的Python更是十分重要。同时,对于python的numpy库,一定要了如指掌,pandas库最好也有一定了解。这一部分,大概十到二十天。

线性回归和K近邻算法 5天

学会python以后,就可以开始上手机器学习了,线性回归和K近邻算法是两个最简单、最好实现的机器学习算法了,学会这两个,大概5天时间,是完全可以完成的。

SVM支持向量机 3天

支持向量机,主要用于分类和回归任务。它的基本原理是通过在特征空间中找到一个最优的超平面来进行分类或回归。

具体来说,SVM 的核心思想是找到能够将不同类别的数据点分隔开的最佳决策边界(超平面)。这个决策边界被定义为能够使得两个类别的间隔(Margin)最大化的超平面。支持向量机的名称来源于在确定这个决策边界时,只有一部分数据点对决策边界有贡献,这些数据点被称为支持向量(Support Vectors)。

决策树与随机森林 5天

这一部分内容啊,需要对数据结构中的树结构稍有了解,多一点时间,需要学一学数据结构。

决策树是一种树形结构,每个非叶子节点表示一个特征属性测试,每个分支代表测试结果的一个可能的输出,最终的叶子节点代表分类或者回归的结果。随机森林是通过集成多棵决策树来提高预测准确性的方法。每棵决策树由不同的随机样本和随机特征组成,通过投票或者平均来确定最终的预测结果。

聚类算法 7天

主要目标是将数据集中的样本分成若干组,使得组内的样本彼此更加相似,而组间的样本差异较大。聚类算法通常用于数据探索、数据分析、模式识别以及预处理阶段。聚类算法可以细分为许多种算法,如K均值聚类、层次聚类。所以这一部分内容,花稍微多一点时间是必要的。

降维算法 7天

降维算法是一类常用于高维数据分析和可视化的技术,其主要目的是减少数据特征的数量,同时保留数据中最重要的信息。通过降低数据维度,可以减少存储空间的需求、简化数据计算复杂度,并且有助于发现数据的内在结构和模式。

深度学习

近些年,chat-GPT兴起,深度学习爆火。许多人想要直接入门深度学习,不想看机器学习,这样做,完全可以!那么,深度学习,都有哪些东西呢?

浅层神经网络 5天

主要包括线性回归(没错,如果你直接上手深度学习,没有学机器学习,这一部分还是要学的,如果之前学过机器学习,这部分,直接跳过!)以及Softmax回归这两个内容。他们两个,是最基本的神经网络类型,适用于分类和回归问题。

这部分内容,比较基础比较简单,但是十分重要,一定要好好学。五天时间,完全可以熟练掌握了!

多层感知机 2天

实际上是线性回归和Softmax的一个深度化,本质没有区别,只是加了隐藏层,2天足矣。

卷积神经网络 10天

学到这里的话,恭喜你,已经接触到真正的深度学习了!卷积神经网络主要用于处理图像数据,通过局部感受野和权值共享来有效地提取特征。在计算机视觉任务中表现优异,如图像分类、物体检测和图像分割。

这一部分,有难度,也很重要,时间多一点!

现代卷积神经网络 7天

卷积神经网络升级版,现代版,更新版,结构更复杂,效果更厉害!

这部分内容多且杂,如LeNet,AlexNet,NiN,VGG,ResNet,GoogLeNet。

需要注意的是,NiN和LeNet,ResNet三者是最重要的!也许你现在不知道他们是什么,但是一定要记住,他们最重要!!!

这部分难度很高,如果你学习时感到有些疲倦,那是十分正常的,适当休息,劳逸结合!

循环神经网络  >10天

非常重要!非常重要!非常重要!

所谓循环神经网络,就是具有循环连接的神经网络,适用于处理序列数据,如自然语言处理和时间序列预测。这部分不求快,但求稳,一定要把每个点都弄明白,这至关重要!

现代循环神经网络 >10天

这部分包含GRU,LSTM,seq2seq等一系列内容,全部建立在循环神经网络之上,这就是为什么我说循环神经网络非常非常重要!这一部分,也十分重要,他们是现代语言处理的常用模型。

注意力机制 10天

注意力机制是一种模拟人类注意力机制的方法,最初在神经网络领域得到广泛应用,特别是在自然语言处理和计算机视觉任务中取得了显著的成果。注意力机制的主要目的是在处理序列数据或高维数据时,有效地捕捉输入中不同部分之间的关系,从而提升模型的性能和表现力。

如果前面非常掌握,非常熟练,那么这部分手到擒来!如果学到这里,忘了前面,没关系,别着急,回去看看循环神经网络,然后再来看这部分内容。

学到这已经十分现代了,其中transformer的模型是2017年才提出的!

注意力之后...

走到这一步,恭喜你,你已经能看懂许多机器学习的论文了,相信你也对很多领域有了不少了解。那么,找到自己喜欢的领域,看一看最新的论文,学一学最最前沿,最最先进的知识,保持好奇心和学习的激情,将会为你在机器学习和人工智能领域的发展道路上开辟更加广阔的可能性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2033997.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

小白零基础学数学建模系列-Day4-线性规划基础与案例分析

文章目录 1. 线性规划基础1.1 基本概念1.2 求解方法 2 线性规划经典问题2.1 生产计划问题2. 2 运输问题 案例1:生产计划问题背景模型建立模型求解 案例2:运输问题背景模型建立模型求解 案例3:货机货物装载问题问题背景假设条件问题要求模型建…

【微信小程序】WXSS 模板样式

1. 什么是 WXSS WXSS (WeiXin Style Sheets)是一套样式语言,用于美化 WXML 的组件样式,类似于网页开发中的 CSS。 2. WXSS 和 CSS 的关系 3.rpx (1). 什么是 rpx 尺寸单位 rpx(responsive pixel)是微信小程序独有的,用来解决屏适配的尺寸单位。 (2). rpx 的实现原理 …

哈希表 -四数相加II

454. 四数相加II 方法一:分组哈希表 /*** param {number[]} nums1* param {number[]} nums2* param {number[]} nums3* param {number[]} nums4* return {number}*/ var fourSumCount function(nums1, nums2, nums3, nums4) {const twoSumMap new Map();let coun…

【机器学习之深度学习】深度学习和机器学习的关系以及深度学习的应用场景

引言 深度学习和机器学习是人工智能领域的两个重要分支,它们之间既有联系也有区别 文章目录 引言一、深度学习和机器学习的关系1.1 联系1.2 区别1.2.1 模型复杂度1.2.2 数据需求1.2.3 特征提取1.2.4 训练速度和计算资源 二、深度学习有哪些应用场景2.1 计算机视觉2.…

Unity | AmplifyShaderEditor插件基础(第一集:简单了解ASE和初识)

前言 我本来老老实实的写着我的Shader,群里的小伙伴强烈建议我开始讲ASE,我只能说,我是一个听话的Up。 一、什么是ASE 全称AmplifyShaderEditor,是一个unity插件,存在于unity商城中,售价看他们心情。&am…

deepin V23 前瞻丨深度适配RISC-V架构,打造全面兼容与高性能的开源桌面操作系统

查看原文 中国工程院院士倪光南曾表示,RISC-V架构因其开放性和灵活性,已成为中国CPU领域最受欢迎的选择之一,并有望成为推动新一代信息技术发展的关键驱动力。目前,deepin(深度)社区已与RISC-V生态系统建立…

ECMAScript6语法:类

在 ES6 中新增了类的概率,多个具有相同属性和方法的对象就可以抽象为类。类和对象的关系如下: (1)类抽象了对象的公共部分,它泛指某一大类(class)。 (2)对象特指通过类…

haproxy 7000字配图超详细教程 从小白到入门

简介:HAProxy是一个免费的负载均衡软件,可以运行于大部分主流的Linux操作系统上。HAProxy提供了L4(TCP)和L7(HTTP)两种负载均衡能力,具备丰富的功能。HAProxy的社区非常活跃,版本更新快速,HAProxy具备媲美商用负载均衡器的性能和稳…

基于python理解最大似然MLE-(简单正态分布估计、高斯混合模型GMM)

最大似然法(Maximum Likelihood Estimation,简称MLE)是一种统计方法,用于估计概率模型的参数。其基本思想是寻找一组参数值,使得在这组参数下,观测数据出现的概率(即似然性)最大。这…

ARM64 在线仿真器

今天在晚上找到一个简单的ARM64在线仿真器,它非常适合学习ARM64的指令,在教学中应该很好用。网址ARM64 Online Simulatorhttp://163.238.35.161/~zhangs/arm64simulator/ 它是由康涅狄格州立大学的Shuqun Zhang教授开发的。软件基于Alexandro Sanchez开…

评价算法(topsis熵权法)

评价算法 熵权法 上面箭头的一步用到了带权重的距离公式。 上面是某种求权重的方法,合理就行。 但是在使用熵权法的时候,一定要注意用的是规范化矩阵再用熵权法求权重。 规范化之前一定要判断每一列的性质 #熵权法:import xlrd import num…

巴黎奥运会背后的8K国际公用信号制作

北京时间2024年8月12日凌晨3时,举世瞩目的巴黎奥运会闭幕式在法兰西体育场举行,闭幕式演出部分的主题为“记录”。BOSMA博冠首款8K 50P小型化广播级摄像机B1跟随中央广播电视总台“中国红”8K转播车,为田径比赛和闭幕式提供8K国际公用信号制作…

【Ajax使用说明】Ajax、Axios以及跨域

目录 一、原生Ajax 1.1 Ajax简介 1.2 XML简介 1.3 AJAX 的特点 1.3.1 AJAX的优点 1.3.2 AJAX 的缺点 1.4 AJAX 的使用 1.4.1AJAX的基本操作 1.4.2AJAX的传参 1.4.3 AJAX的post请求及设置请求体 1.4.4 AJAX响应json数据 1.4.5 AJAX请求超时与网络异常处理 1.4.5 AJ…

windows 使用Clion开发FreeSWITCH源码

1.准备环境 window安装clion可以编译freeswitch的docker镜像 2.clion配置ssh和Toolchain的配置 去这里看吧 3.makefile配置 Toolchain记得选ssh的 成功之后左下角有这个小锤子,这个小锤子就是生成makefile文件的,记得点击 同时就会出现这个东西 这样…

长文_ZATA

文章目录 环境配置问题miniconda安装torch报错OSError: [WinError 126] 找不到指定的模块。 环境配置问题 miniconda安装torch报错OSError: [WinError 126] 找不到指定的模块。 CSDN 原因:fbegmm.dll文件出现问题 解决方案: 使用依赖分析工具https:/…

SuccBI+低代码文档中心 —数据(数据连接、调度管理)

连接数据 数据加工和分析需要连接已存在的数据,通常是业务系统的数据或文件数据,业务系统数据一般存储在关系型数据库中。对于存储在json文件中的,也可以通过脚本数据加工的方式获取数据。 在数据模块下,点击新建,可以…

【Python机器学习】无监督学习——K-均值聚类算法

聚类是一种无监督的学习,它将相似的对象归到同一簇中,它有点像全自动分类。聚类方法几乎可以应用于所有的对象,簇内的对象越相似,聚类的效果越好。 K-均值聚类算法就是一种典型的聚类算法,之所以称之为K-均值是因为它…

【qt】QMainWindow下实现一个记事本

之前我们学过QWidget,QMainWindow会在ui界面多一个菜单 先实现ui界面 1.添加文本编辑,实现可以写多行 2.将文本编辑放大,拖动即可 3.编辑菜单栏 4.然后我们要实现对应子列表的功能,但是在这里不能转到槽,所以我们…

【Vue3】Pinia store 组合式写法

【Vue3】Pinia store 组合式写法 背景简介开发环境开发步骤及源码 背景 随着年龄的增长,很多曾经烂熟于心的技术原理已被岁月摩擦得愈发模糊起来,技术出身的人总是很难放下一些执念,遂将这些知识整理成文,以纪念曾经努力学习奋斗…

Java EE基础知识点

前言👀~ 上一章我们介绍了性能测试工具LoadRunner,今天开启新的篇章Java EE进阶相关的内容 框架 Maven 项目构建 依赖管理 依赖传递 依赖排除 Maven概念 Maven仓库 Maven 设置国内源 创建Spring Boot项目 Web服务器 如果各位对文章的内容感兴…