如果你想要学习机器学习，并将机器学习应用于自己的研究领域，那这个教程太适合你了，可以短期内系统快速入门非科班、研究生、小白、英语差都是这个机器学习入门教程的适合对象没有学习过高等数学和线性代数、概率论也可以直接学习这个教程这个教程是njujiangxiang大佬开源的机器学习自学项目，新手小白直接阅读没有门槛下面给大家具体来介绍一下这个教程，学会这些就说明掌握了1、机器学习基础：从机器学习的基础概念开始，介绍机器学习中的一些常见术语，让大家了解什么是机器学习，能解决什么问题，机器学习需要哪些数学基础，如果没有数学基础的同学，可以过一遍相关内容2、监督学习：监督学习模型占据机器学习模型的大半江山，主要包括线性回归、逻辑回归、决策树、随机森林、支持向量机、k近邻和朴素贝叶斯算法，第一次学习的时候，建议把这些模型理论都过一遍，数学公式看不懂不要紧，以后也不会手写这个公式，重要的理解了这个模型的思想，比如KNN是近朱者赤，近墨者黑的思想3、无监督学习：无监督学习是没有label的，常见的无监督算法包括K-means聚类算法，非常经典，一定要掌握，还有层次聚类，主成分分析进行降维，t-SNE可以了解一下4、模型评估：前面是搭建机器学习模型，这一部分是介绍如何评估一个模型的效果好坏，主要包括交叉检验进行全方位检测，还有回归和分类模型的评估指标，比如MSE, RMSE, 召回率，精确率，F1 score，ROC等，以及一些超参数调优的方法也需要掌握5、深度学习基础：深度学习也是机器学习的一部分内容，这一部分主要介绍神经网络的基础概念，比如神经元，感知机，多层神经网络，激活函数，然后介绍反向传播机制，CNN模型，最后通过图像分类任务来介绍深度学习模型训练和评估流程上面的内容虽然不像一些教程那样全面，但包含了机器学习的主要内容，监督和无监督模型掌握也差不多够用了，其他的可以边用边学这个教程的内容非常全面，如果你正在学习机器学习，非常推荐！资料获取：
1. 关注本公众号
2. 下方Liu言“中文版机器学习”领取（人工回复可能有时差，都会发给大家的，不用着急）
[资料仅供学习使用，侵权请联系删除]
