入门AI需要掌握的知识

一、数学基础

  1. 数学分析与凸优化
  2. 线性代数
  3. 概率与统计

二、经典算法学习

  1. 分类算法
    • 逻辑回归
    • 朴素贝叶斯
    • 决策树
    • KNN
    • SVM
    • 随机森林
    • 神经网络
  2. 回归算法
    • 线性回归
    • 岭回归
    • CART
  3. 聚类算法
    • K-Means
    • DBSCAN
    • 谱聚类

三、编程技术

  1. Python入门
  2. Numpy库
  3. 数据分析库Pandas
  4. 数据可视化Matplotlib
  5. 机器学习库Scikit-learn

四、机器学习的基本原理

  1. 机器学习的特点与功能
  2. 机器学习的算法分类
  3. 机器学习的要素
  4. 机器学习模型求解
  5. 经验风险与结构风险
  6. 模型的评估与选择

五、CSDN推荐学习路线

  1. 数学基础
  2. py基础
  3. ML的基本原理
  4. 朴素贝叶斯
  5. 逻辑回归
  6. 支持向量机(SVM)
  7. 决策树
  8. 集成学习算法——AdaBoost
  9. 集成学习算法——随机森林
  10. 集成学习算法——GDBT算法原理
  11. 特征工程
  12. 聚类算法
  13. 神经网络(学习之后看深度学习的书)
  14. 综合——ML在推荐系统中的应用

 

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据