人工智能是这两年风头正劲的领域，也是未来具有颠覆性可能的新领域。不少人尝试去学习机器学习相关的知识。然而，一旦越过最初的overview阶段，很多人就开始打退堂鼓了，然后迅速放弃。
为什么会这样？
极高的学习曲线
首当其冲就是数学，涉及统计学、微积分、概率、线性代数等，大家虽然都学过高等数学，但如果你还记得里面的细节，算你牛B。更可能的情况是，多数人都对高等数学忘记了，面对各种算法里的大量公式，感到厌恶，甚至恐惧。
其次因为机器学习本身是一个综合性学科，而且是一个快速发展的学科，知识点散乱，缺乏系统性。
市面上的机器学习/深度学习书籍、文章、教程，遍地开花，但能以清晰的方式表达、循序渐进地讲解的教程，其实不多，大量的教程没有考虑到学习者的基础，使得初学者感到挫败和困惑。
图解机器学习
正是对机器学习的过程中的痛苦有切身体会，我希望能做一份教程，以浅显易懂的方式去讲解它，降低大家的学习门槛。我为此花费了数月时间，经常做到深夜，把自己的学习笔记整理成了这份教程。全部教程包含两部份：
Part1介绍了基本概念，包括机器学习的流程、数据处理、建模、评估指标（如MSE、ROC曲线）、模型部署、过度拟合、正则化等。
Part2是常用的算法，包括线性回归、逻辑回归、神经网络、SVM、Knn、K-Means、决策树、随机森林、AdaBoost、朴素贝叶斯、梯度下降、主成分分析等
整个教程包含大量图片，辅助以文字。一图胜千言，能用图的地方，我尽量不用文字。我希望用diagram等方式来图解复杂的概念，降低学习曲线，整个教程虽然超过页，但因为有图，所以比看一般的文字教程要轻松很多。如果学一般的教程，可能需要3个月到半年的话，我希望这份教程能加速你的学习过程。
通俗易懂
写一份好教程，其实是很难的事情。如何把复杂的东西，写的既简单易懂，又不失去应有的深度，这本身就是一个极大的挑战。很多大牛，在技术上是毋容置疑的，但他们写的和表述的东西，未必就是很浅显易懂。像周志华著名的《西瓜书》、GeoffreyHinton教授的视频，其实都不适合初学者，而AndrewNg的视频教程就是一股清流，浅显易懂。本教程里一些内容也来自吴恩达的“机器学习”和“深度学习”教程（网易云课堂上可以找到）
机器学习教程里基本都充满数学公式，甚至是大段大段的公式推导，这怎么可能易懂？这是导致机器学习学习曲线异常高的最核心原因。本来一开始我想尽量回避数学公式的，但后来发现不用数学公式的话，很多概念不能充分和清晰的表达。但大家看不懂数学公式，咋办？
我因此基本上尽力注解了每一个数学公式，即便已经忘光了，只要初高中程度以上也能看懂。我都大学毕业几十年了，我也忘记了好伐，但后来我发现从了解算法的角度看，需要的数学并没有想象的那么多。
因为图解了公式，所以里面的数学并非想象那么难，只要从头开始看，就可以理解。而且，我还引用了吴恩达的几个短小的视频，只要看过那几个视频，再看各个算法的公式，就轻松很多。
目前教程是全英文的，取决于是否真正有人感兴趣，如果感兴趣的人多，未来有可能会做一份中文版的。注：里面还引用了部分Youtube视频，所以想看的话，需要翻墙。
教程文档下载地址（百度云）
转载请注明：http://www.0431gb208.com/sjszlff/684.html
