如何了解机器学习并快速入门?
听课(数据科学小组 机器学习小组),看《西瓜书》, 看吴恩达的视频教程,甚至听博客,看知乎问答...
但是, 机器学习是一个集合了计算机、统计学和数学知识的交叉领域. 除了日常阅读和做项目练习,也需要很多枯燥的记忆和理解。单纯读书不容易串联概念,又容易忘记。如果你也读了无数遍“西瓜书”还是记不住什么是AUC值, 翻了几遍“ESL”还是说不清楚混淆矩阵(confusion matrix)中的Precision和Recall哪个是哪个...那么, 像当初记单词一样用炫酷的flashcards每天帮助如何?
吃零食的时候来一张【AUC】
公交车上背一张【拟合度】
吃饭时候来一张【Bagging和Dropout的区别】
看花花时候来一张【贝叶斯误差】
你或许在Twitter或其他网站上看见过 #machinelearningflashcards 的标签。这个卡片的设计人就是Chris Albon, 一名数据科学家,有着十年的统计学习、人工智能和软件工程方面的经验,他还是Reddit数据科学板块的Moderator。
Chris Albon
Ph.D 加州大学戴维斯分校政治学 2012
M.A. 加州大学戴维斯分校政治学系 2010
B.A. 迈阿密大学 2006年 主修政治学,国际研究和宗教研究
首席数据科学家,BRCK,2017年至今
创始人,Machine Learning Flashcards,2017 - 至今
作家,Machine Learning with Python Cookbook
Partially Derivative联合创始人兼联合主办,2014 - 2017
New Knowledge联合创始人兼首席科学官,2015 - 2016
Ushahidi CrisisNET总监,2014 - 2015
Ushahid 数据项目总监,2013年至2014年
FrontlineSMS项目总监,2012-2013
我们再来看一下手绘小卡片是怎样讲解机器学习概念的:
△ 决策树回归:与决策树分类相似,但是使用均方误差或类似的指标来确定分叉,而不是交叉熵或杂质度
△Early Stopping:当确认损失增加的时候,神经网络训练就停止
△ 梯度悬崖:当损失函数急剧下降时会产生梯度悬崖。若陡坡导致优化算法的值超过最小值,会引起问题
△ 验证曲线:将某些超取不同的值时所对应的性能指标可视化
△ 支持向量(解释全在图里了😂)
Chris一直在推特上分享出自己手绘flashcards的图片,同时也在machinelearningflashcards网站上以12美元的价格出售。出售的是flashcards的各种格式的高质量打印版(包括SVG、PDF和PNG格式)。
小组当然也买了一份!
并且!
将它们定做成了实体卡片!
是不是肥常好看?
有哪些幸运儿可以免费获得呢?
看这里!
★★★★★
5月19日~6月23日
数据科学小组
自然语言 循环神经网络 注意力机制...
海量数据知识
+ 七节 案例讲解课
+ 至少4节 实战演练课
+ 完成至少四个实战项目
历时35天 课程+实战
ALL OF THEM
¥1200
仅限第一期
★★★★★
↓↓↓点击【阅读原文】数据科学 立刻开学