这是本文档旧的修订版！
从零开始学习 - 机器学习
- 人工智能 从AlphaGo开始 就成为了一个流行词汇, 原因是人工智能从 弱人工智能时代 走进了 强人工智能时代, 而 AlphaGo 恰恰是这个代表事件, 而其背后的算法基础 则是 机器学习中的深度学习等领域.
- 说是从零开始学习, 其实还是需要一些基础的, 需要高等数学中的 线性代数 斯坦福的机器学习数学基础课件和一些编程基础 比如python 利用python进行数据分析
- 参见文章机器学习需要哪些数学基础？, 相关网上公开课资源 见 关于数据科学&机器学习，19个数学和统计学公开课推荐
设计性研究性实验课题 - “机器学习，神经网络的基础应用”
- 背景：人工智能 从AlphaGo开始 就成为了一个流行词汇, 原因是人工智能从 弱人工智能时代 走进了 强人工智能时代, 而 AlphaGo 恰恰是这个代表事件, 而其背后的算法基础 则是 机器学习中的深度学习等领域。
- 概要：本课题通过学习机器学习的基础，了解对于大数据的分析和处理的过程，学习目前快速发展的神经网络算法。
- 目标1：完成在有干扰对抗的情况下，进行对数字、文字的快速识别，
- 目标2：完成对于各类数据图像模式的快速识别和特征提取，可以应用于实验中快速、自动、高效的数据处理。
- 基础1：需要高等数学中的 线性代数，矩阵运算基础。
- 基础2：需要使用python进行编程，如果无python经验可以到网站上 http://phylab.fudan.edu.cn/doku.php?id=course:python:start 进行学习。开始会有一定的老师指导。
- 学习过程：需要学习大量的 机器学习和人工智能的基础知识，这部分通过网上视频课程资源补充
- 讨论课：本学期开设每周讨论课时间，前几次老师会教授部分基础知识，未来每位同学需要自己准备讲授某一方面的内容。
- 本课题更多信息 请到网站上浏览： http://phylab.fudan.edu.cn/doku.php?id=course:ml:start
如何开始学习？
- 人工智能已经有很多很好的网上教程了, 这里可能给一个入门版本的教程, 以及提供一些网上的资源链接,给同学们拓展的方向.
- 零基础的,需要快速浏览人工智能能够做什么的,可以看看 莫烦 的课程, https://morvanzhou.github.io/tutorials/
- 有什么课程是一个全局的,可以大概先了解一下全部的机器学习的方法的么? 下面这个: 所有人都推荐的 最佳机器学习课程
- 强烈推荐预习的视频 必看!! 还有中文字幕! 真正的大牛 Andrew Ng(吴恩达授课，他是谷歌大脑创始人和前百度首席科学家) 的课程. 学习资料在 黄海广的github 上有.
- 这几年里面神经网络CNN模型的大幅进步,是真正的大杀器,推荐视频课程: 链接: cs231n 李飞飞的CNN图形识别课程 百度网盘 密码: 2fnk
什么是机器学习?
- 假设用P来评估计算机程序在某任务类 T上的性能, 若一个程序通过利用经验E 在T中任务上获得了性能改善, 则我们就说关于T 和 P, 该程序对于E 进行了学习. (Mitchell, 1997)
- Arthur Samuel 1959 年的定义被公认为最早的：机器学习是计算机科学的分支领域，它能使「电脑无需明确的编程就能获得学习能力。」在实践中，这意味着开发能根据数据作出预测的计算机程序。正如人类能从经验中学习一样，计算机也可以，对它们来说数据就等同于经验。
- 机器学习工作流是指执行一个机器学习程序所需的流程。虽说每个程序都有区别，大多数工作流都包括一些共同的任务：问题评估，数据探索，数据处理，模型训练/测试/部署，等等。下面的图例展示了这些步骤的可视化解释：
其他最新课程资源-陆续补充
- http://www.tensorfly.cn/ 这里是一个不错的中文教程(翻译)
- https://tensorflow.google.cn/tutorials/ 官方中文版, 还有colab的资源
- http://zh.diveintodeeplearning.org，有书有，有书有在线代码演示 (mxnet)
- 蒙特利尔大学开放MILA 2017夏季深度学习与强化学习课程 https://mila.umontreal.ca/en/cours/deep-learning-summer-school-2017/
- 一些windows下可能需要的安装包 http://www.lfd.uci.edu/~gohlke/pythonlibs/#curses