1.1. 课程设计¶
1.1.1. 概要¶
预期收益
- ★ 机器学习知识结构，学习过程中平衡理论(theory)和技术(techniques)两者之间的关系
- ☆ 机器学习基石: 哲学思想、数学理论、算法设计和实践
- ☆ 课程学习路线: 什么时候用机器学习, 为什么机器学习有用, 怎么用机器学习以及如何提高性能
- ☆ 课程所需时间: 8周, 每周2-3小时
时间成本
- 阅读 03 分钟
- 思考 03 分钟
1.1.2. 机器学习知识结构¶
理论
- 通过理论学习可以透彻、深入理解机器学习背后的原理
- 对大多数人而言, 枯燥乏味
技术
- 技术日新月异
- 多尔繁杂, 实际应用过程中如何选择
1.1.3. 机器学习基石¶
机器学习人员需要掌握的 最基础、必要 的知识, 基础不等于简单
- 哲学思想, 当前个人还无法理解, 后续更新
- 数学原理, 主要解释了某个机器学习模型为什么能解决问题, 以及求解的理论依据
- 算法设计, 具体求解编码设计
- 实践经验, 最佳实践等, 提高模型性能和效率
1.1.4. 课程学习路线¶
- WHEN, 从问题出发, 什么时候可以用机器学习来解决问题(illustrate, techniques)
- WHY, 为什么机器学习模型可以(theory, illustrate)
- HOW, 怎么利用机器学习解决问题(techniques, practice)
- HOW Better, 如何更好的解决问题(theory, practice)