机器人学习炒得这么火,就连图灵转发微博送书的活动关于机器人学习的书都有好几本了,作为一个 phper,不会 python 怎么入门去学习机器人学习,求大佬们给一个路线,谢谢...
1
oisc 2017-07-17 11:30:51 +08:00 1
读研
|
2
yanjunjie 2017-07-17 11:35:14 +08:00 2
机器人学习是什么玩意,这个和 python 有什么关系?
|
3
Ck140 2017-07-17 11:44:44 +08:00
是机器学习吧
|
4
ydxred OP 机器学习
|
5
Takahashi 2017-07-17 11:49:58 +08:00 1
机器学习不是 py 才行啊,C、GO、PHP 都行
|
9
Marfal 2017-07-17 11:57:37 +08:00
那就去学啊,想那么多干嘛
|
10
misaka19000 2017-07-17 11:57:38 +08:00 1
学啊,Python 基础语法 3 5 天就能搞定了吧
|
11
SuperMild 2017-07-17 11:58:50 +08:00 3
如果连学 python 都觉得困难,难道还能学会机器学习?
|
13
congeec 2017-07-17 12:33:26 +08:00
楼主,我入门 Python 只用了 2 天
我觉得#11 说的很对,Java, C++, Matlab 搞机器学习也挺好,不过还是得学新语言 |
14
LioMore 2017-07-17 12:38:44 +08:00 via iPhone
我想起了之前有个 PHP 想入门大数据分析
|
15
LioMore 2017-07-17 12:42:57 +08:00 via iPhone
先买个体重秤
|
16
ivechan 2017-07-17 12:53:54 +08:00 4
机器学习的重点不在语言, 除非想写出漂亮的代码,否则 Python 水平不是很重要。
机器学习是一个非常广阔的概念, 现在火的其实是深度学习。 至于怎么入门, 推荐看吴恩达的 cs229 上面的 notes,从最简单的线性回归,到 Logistic 回归。 如果对深度学习感兴趣,基础 ML 知识学完后,就可以接触深度神经网络。 主要是 Hinton 提出的那一套理论,包括 BP 算法等 下面就是 RNN,CNN 等已经成熟的网络。 再下面就到了 Research 阶段。 基本的高等数学知识是必须的:微积分、线性代数、概率论 |
17
gulangyu 2017-07-17 12:58:52 +08:00
路,还要一步一步走吧...
|
18
ivechan 2017-07-17 12:59:03 +08:00 4
有决心做研究的人可以看 PRML, 不过快速入门的建议看李航的《统计学习方法》
想直接用 Python 做点简单的东西可以看 Toby Segaran 《 Programming Collective Intelligence 》 深度学习可以看 Bengio 出的同名书籍《 Deep Learning 》 另外,不建议看现在国内的各类书籍。不怕喷,99%没有阅读价值。(不过还有 1%) 亚马逊充斥着翻译 TensorFLow 的烂书。 另外,还是要建议你搞清楚自己想要做什么,是做 Research 还是只是想用机器学习的知识做一点小东西? |
19
Sapp 2017-07-17 13:13:40 +08:00
机器学习和机器人学习完全不是一个东西...
而且,机器学习需要的从来都不是你的编程能力啊,python 基本语法几天就学会了,就算不会 python,js 也能做,然而并没有什么用,语言不是问题,算法和数学才是根本。 |
21
ety001 2017-07-17 13:39:32 +08:00
如#11 楼所说,你连 python 都没信心去学,还指望学 ML ?
|
22
helica 2017-07-17 14:08:03 +08:00 via iPhone
建议先学高数
|
23
ipwx 2017-07-17 14:26:08 +08:00
|
25
fearme 2017-07-17 15:04:57 +08:00 via iPhone
原来 python 几天就能学会,太牛了
|
26
baicheng 2017-07-17 15:09:41 +08:00 via iPhone
楼上推荐 PRML 的有点过了,纯新手推荐吴恩达 Coursera 的机器学习课,用的是 MATLAB,你上了这个课再决定要不要继续吧,日如果还要继续,就读个研 /博。
|
27
noErr 2017-07-17 15:10:50 +08:00
去学啊,几天学不会,几十天还是够了的。
|
28
KInDnoKind 2017-07-17 15:12:43 +08:00
我觉得机器学习里面,和数学,理论论文比起来,Python 算简单的了
|
29
lzx801 2017-07-17 16:20:07 +08:00
先上 coursera 上个 ng 的入门课,再确定要不要继续。
建议不喜欢数学就不用继续了,就算继续也只是调包侠。 |
30
vigoss 2017-07-17 16:37:28 +08:00
phper 正在学习 ML 有成果了给大家分享。比起 Python 更该担心高数和算法吧。
|
31
Tunar 2017-07-17 16:56:58 +08:00 via Android
额,语言不重要,数学才重要。。。
|
32
haogefeifei 2017-07-17 17:10:05 +08:00
ML 最主要的是数学。。。
|
33
zetary 2017-07-17 18:24:58 +08:00 via Android
单纯觉得 MLAPP 比 PRML 更好一点
|
34
BadMan 2017-07-17 18:49:32 +08:00
我是《统计学习方法》+PRML 入门的。当然,得有概率论和贝叶斯基础。将模型部署到生产环境的话用 c++和 Cuda 语言。
|
35
moyang 2017-07-17 21:38:58 +08:00
用 Lua 呗!
|
36
matsuijurina 2017-07-17 21:43:07 +08:00 via Android
机器学习就是统计推断换了个名字,你用 r 或者 matlab 都是一样的。
|
37
pointer 2017-07-17 21:43:48 +08:00
乱猜你现在是产品?
|
38
mingyun 2017-07-17 23:01:35 +08:00
现在机器学习很火吗
|
39
kuhung 2017-07-17 23:10:35 +08:00 via Android
因为好卖书啊老哥,这东西上手很快,就是干🙂 我目前就在深圳做这方面的工作
|
40
denonw 2017-07-18 02:13:29 +08:00
我看吴恩达的那个网络课程入门的。
|
41
cxbig 2017-07-18 05:40:40 +08:00
看火不火去学东西太盲目了,而且目标太大,细分领域太多。
这个问题有种“我微积分还不会,拿到数学 Ph.D.该走哪条路”的感觉 要不把目标先定小一点?比方说 R+Python 的 Data Visualization ? |
42
lightening 2017-07-18 06:11:13 +08:00
上 Coursera 上 Andrew Ng 的 Machine Learning 课,用 MATLAB。
|
43
snnn 2017-07-18 07:47:07 +08:00 via Android
学 lua,用 torch
|
44
janxin 2017-07-18 08:29:52 +08:00
要么先从细心开始?比如先把名字看清楚...
Andrew Ng 的 Machine Learning 比较不错,要么读个研究生也可以 |
45
jtn007 2017-07-18 09:26:06 +08:00
机器学习是理论,python 只是具体实现的一种,起步用 matlab 吧
|
46
yonka 2017-07-18 09:27:42 +08:00
讲道理,py 只是一个简易的工具,py 都学不会 /不想学,ML 能学好吗?
|
47
freehere 2017-07-18 09:28:59 +08:00
读研是唯一出路
|
48
swordspoet 2017-07-18 09:39:33 +08:00
请问您说的“机器人学习”和我理解的机器学习是同一回事么?机器学习的重点不在语言,可以先了解这方面的基础知识,如果您想了解相关的理论知识,这个链接里有我平时写的一些笔记,希望能够对您有帮助: http://www.libinx.com/机器学习
|
49
gclove 2017-07-18 13:06:06 +08:00
|
50
swordspoet 2017-07-18 13:23:30 +08:00
@ipwx 也不能这样说吧,李航老师的书还是可以的,看 PRML 的时候醍醐灌顶的基础是你看了无数遍《统计学习方法》,再看 PRML 相当于是有人从旁边“点化”一样。所以,所以不同意《统计学习方法》是渣渣的看法。
|
51
ipwx 2017-07-18 13:32:07 +08:00 1
@swordspoet …… 其实无数遍是夸张了,我也就翻过一两遍。
我初次看《统计学习方法》之前的状态是没上过什么课。 后来我上了本科的一些课,知道了个大概,这时候看《统计学习方法》,还是没个头绪。《统计学习方法》给我的感觉是它章节之间割裂太严重,没有穿插整本书的写作思路和哲学观,只是教给你一些零碎的算法(和公式),不能给你建立机器学习的思考方式。 这时候我听说 PRML,打算看,在第二章被劝退了。 后来我补了一年的概率论、微积分、线性代数、最优化方法和基础泛函(泛函学得最差,只知道了一些概念,没领会精髓),拿起《 Deep Learning 》这本书看。看了几个月,受益匪浅。这本书把 Deep Learning 的很多思考方法与哲学解释都讲了一遍,不单是数学。 再后来我才拿起来 PRML,这回终于不再劝退了。相距第一次拿起来已经过去了一年,终于能看懂了。 这回 PRML 看了之后收获简直巨大,把 Deep Learning 这本书没看懂的一些章节也搞懂了(比如 Variational Approximation 相关章节、EM 算法在 KL-divergence 下面的理解等)。 - - - - 我说《统计机器学习》是渣渣可能过了,但是我觉得它的写作思路在《 Deep Learning 》和 PRML 的对比下确实差了一个档次。《统计机器学习》有其形而无其意,可替代性非常高。但是 Deep Learning 和 PRML 是形神具备,确实是经典之作。 |
52
LioMore 2017-07-18 14:05:34 +08:00
读研是唯一出路 +1
另外三五天学会查文档算不上入门 |
53
shellcodecow 2017-07-18 14:19:39 +08:00
先从算法开始 反正我看不懂。mlgb
|
54
onlyhot 2017-07-18 18:38:32 +08:00 via iPhone
以后不要说自己是 phper
|