Skip to content

0.學習AI路線指引

Reference

https://thecleverprogrammer.com/2022/12/06/machine-learning-roadmap/

請參考以上網址內容逐步學習

以下為翻譯

在機器學習中，我們使用資料和算法來構建智慧型系統。在接下來的十年，你將探索許多需要你了解機器學習的新高薪工作。所以，你今天投入學習機器學習的時間絕不會白費。因此，如果你正在尋找一個完整的學習機器學習的路線圖，這篇文章適合你。在本文中，我將帶你了解一個機器學習路線圖，提供你所有可以遵循的學習資源，讓你成為機器學習的專家。

機器學習路線圖

以下是你可以遵循的完整機器學習學習路線圖：

  1. 探索機器學習的基礎知識
  2. 學習Python
  3. 學習必要的Python函式庫
  4. 學習並實現機器學習算法
  5. 學習並實現神經網絡
  6. 實作專案

現在，讓我們一步一步探索路線圖的每個階段。

第一步

探索機器學習的基礎知識 當我們開始學習駕駛汽車時，我們會被介紹到其組件、類型和駕駛汽車的規則。同樣地，你需要通過所有機器學習的基礎知識，以了解你即將學到的是什麼以及你需要學多少。

以下是學習機器學習基礎知識的一些最佳資源：

  1. Understanding Machine Learning: From Theory to Algorithms (Book)
  2. Mathematics for Machine Learning (Book)
  3. Machine Learning Crash Course by Google Developers
第二步

學習Python 機器學習路線圖的下一步是學習Python。Python是最適合進行數值計算和數據處理的編程語言之一。作為Python開發者，你將在機器學習領域找到許多機會。

以下是學習Python的一些最佳資源：

  1. Complete Python Course by Tech with Tim (YouTube)
  2. Python Course by Freecodecamp (YouTube)
第三步

學習必要的Python函式庫 在學習Python之後，機器學習路線圖的下一步是學習你在使用Python進行數據處理和實現機器學習時所需的必要Python函式庫。

以下是你需要為機器學習學習的必要Python函式庫：

  1. NumPy
  2. Pandas
  3. Matplotlib
  4. Scikit-learn
  5. Keras
  6. Tensorflow
第四步

學習並實現機器學習算法 機器學習路線圖的下一步是學習機器學習算法及使用Python進行它們的實現。

以下是一些你需要學習的最重要的機器學習算法：

  1. 線性迴歸（Linear Regression）
  2. 邏輯迴歸（Logistic Regression）
  3. 被動攻擊算法（Passive Aggressive）
  4. 樸素貝葉斯（Naive Bayes）
  5. 支援向量機（Support Vector Machines）
  6. 決策樹（Decision Trees）
  7. K最近鄰居（K-Nearest Neighbors）
  8. 隨機森林（Random Forests）
  9. K-均值（K-Means）
  10. DBSCAN 主成分分析（PCA）
  11. 核心主成分分析（Kernel PCA）
  12. t-SNE
  13. Apriori

你可以從以下提到的資源中學習所有這些算法及使用Python進行它們的實現：

  1. Mastering Machine Learning Algorithms
  2. Machine Learning Algorithms & Models
第五步

學習並實現神經網絡 機器學習路線圖的下一步是學習神經網絡架構及使用Python進行它們的實現。

以下是一些你需要學習的最重要的神經網絡架構：

  1. 感知器（Perceptron）
  2. 人工神經網絡（Artificial neural networks）
  3. 多層感知器（Multilayer Perceptron）
  4. 放射網絡（Radial networks）
  5. 卷積神經網絡（Convolutional neural networks）
  6. 遞歸神經網絡（Recurrent neural networks）
  7. 長短期記憶網絡（Long-Short-Term Memory）

以下是一些資源，你可以遵循這些資源來學習所有這些神經網絡架構：

  1. Introduction to Deep Learning (YouTube)
  2. Deep Learning with Python (Book)
  3. Deep Learning for Beginners (Book)
  4. Machine Learning Foundations (YouTube)
第六步

實作專案 機器學習路線圖的下一步是進行專案實作，將你所學的知識付諸實践。作為初學者，從適合初學者的專案開始。以下是一些適合初學者的機器學習專案想法：

  1. 鳶尾花分類（Iris Flower Classification）
  2. 加州房價預測（California House Price Prediction）
  3. 股票價格預測（Stock Price Prediction）
  4. 客戶分群（Customer Segmentation）
    上述提及的所有專案想法在機器學習社群中都很受歡迎，所以你會很容易在網上找到許多資源，作為初學者可以用來實作這些專案。

完成初級專案後，你可以從這裡探索更多的資料科學和機器學習專案。

Last update : 13 novembre 2024
Created : 13 novembre 2024

Comments

Comments