基于Jupyter Notebook从头学习机器学习 | 入门资料分享

乾明 编译整理 量子位 报道

热心分享机器学习入门资料的人越来越多了。

今天跟大家介绍的是一个名为ZekeLabs的机构推出的机器学习入门资料。

ZekeLabs是一个位于印度班加罗尔的编程教育机构。

根据原po主在Reddit上的帖子介绍，对于那些已经有了机器学习相关基础的人来说，这份资料可能价值不大。

但对于那些刚刚“入坑”的人来说，这份资料很有意义。不少人都在帖子下面回应，这份资料的确有价值。

这份课程的亮点是基于“Jupyter Notebook”。

根据官方介绍，Jupyter Notebook是一个基于网页的交互计算应用程序。可以应用到全过程计算中去，包括开发、文档编写、运行代码和展示结果。

根据GitHub上的README文档介绍，这份资料主要分为3个部分。

机器学习Git Codebook

这部分一共有10节课程，分别是：

第1课： Numpy简介 （这一部分有视频）

第2课： Pandas简介

第3课： Python绘图

第4课： 回归模型

第5课： 数据预处理

第6课： 决策树

第7课： 朴素贝叶斯

第8课： 特征联合

第9课： 模型选择和评估

第10课：特征选择方法

经典ML案例研究

这部分一共有5个案例。分别是：

案例1：线性回归

案例2：癌症预测

案例3：在线学习

案例4：客户流失预测

案例5：收入预测

案例6：员工离职预测

来自EdYoda的一些免费课程

EdYoda是一个提供技术教程的开放平台。

这部分一共16个相关的课程，涉及到人工智能相关的各个领域。

GitHub传送门：

https://github.com/zekelabs/data-science-complete-tutorial

— 完 —