眾所周知降淮，機(jī)器學(xué)習(xí)是目前人工智能的主要技術(shù)阶淘，而機(jī)器學(xué)習(xí)的基礎(chǔ)是數(shù)學(xué)哈踱。數(shù)學(xué)并非是一個可選可不選的理論方法箩退，而是不可或缺的支柱丑罪。如果你是一名計算機(jī)工程師传黄，每天使用 UML杰扫、ORM、設(shè)計模式及其他軟件工程工具／技術(shù)膘掰，但和數(shù)學(xué)相比章姓，這只是一些淺層內(nèi)容。這并不是說這些概念不重要识埋，而是機(jī)器學(xué)習(xí)需要一種不同的方法凡伊。如今 Python 如此流行的原因之一是其原型設(shè)計速度。在機(jī)器學(xué)習(xí)中窒舟，使用幾行代碼即可建模算法的語言是非常必要的系忙。
分享之前我還是要推薦下我自己建的Python開發(fā)學(xué)習(xí)群：628979297，群里都是學(xué)Python開發(fā)的惠豺，如果你正在學(xué)習(xí)Python 银还，小編歡迎你加入，今天分享的這個案例已經(jīng)上傳到群文件洁墙，大家都是軟件開發(fā)黨蛹疯，不定期分享干貨（只有Python軟件開發(fā)相關(guān)的），包括我自己整理的一份2018最新的Python進(jìn)階資料和高級開發(fā)教程热监，歡迎進(jìn)階中和進(jìn)想深入Python的小伙伴捺弦。
下面先簡單回顧一下所需的數(shù)學(xué)基礎(chǔ)：
概率論
?離散型和連續(xù)型隨機(jī)變量
?主要分布（伯努利分布、二項式分布狼纬、正態(tài)分布羹呵、 指數(shù)分布、 泊松分布疗琉、Beta 和 Gamma 分布）
?矩估計和最大似然估計
?貝葉斯統(tǒng)計
?相關(guān)性系數(shù)和協(xié)方差（Correlation and Covariance）
線性代數(shù)
?向量和矩陣
?矩陣的行列式
?特征向量和特征值
?矩陣分解（如 SVD）
微積分
?極限與導(dǎo)數(shù)
?微分和積分
?數(shù)值計算與最優(yōu)化方法
Python：重要的語言工具
使用 Python 時冈欢，Numpy 不僅僅是一個庫。它是幾乎所有機(jī)器學(xué)習(xí)實現(xiàn)的基礎(chǔ)盈简，因此了解它的工作原理凑耻、關(guān)注向量化和廣播（broadcasting）是非常必要的太示。這些技術(shù)可以幫助加速大多數(shù)算法的學(xué)習(xí)過程，利用多線程和 SIMD香浩、MIMD 架構(gòu)的力量类缤。
神經(jīng)網(wǎng)絡(luò)入門
神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基礎(chǔ)，它也是一門單獨的課程邻吭。但是餐弱，我認(rèn)為理解感知機(jī)、多層感知機(jī)以及反向傳播算法的概念也很有幫助囱晴。Scikit-Learn 提供了一個實現(xiàn)神經(jīng)網(wǎng)絡(luò)的簡單方法膏蚓，但是，開始探索 Keras 也是一個好主意畸写，Keras 是一個基于 Tensorflow驮瞧、Theano 或 CNTK 的高級架構(gòu)，可以使用最少的努力對神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和訓(xùn)練枯芬。
為了幫助大家更好地學(xué)習(xí)機(jī)器學(xué)習(xí)及人工智能论笔，小編為大家整理了關(guān)于機(jī)器學(xué)習(xí)和Python方面的學(xué)習(xí)資料，有需要的同學(xué)私信小編即可千所，希望能對在人工智能道路上奮斗的同學(xué)有所幫助狂魔。
