大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习吴恩达github python的问题，于是小编就整理了4个相关介绍机器学习吴恩达github Python的解答，让我们一起看看吧。
- 如何入门机器学习？
- 未来人工智能发展的机会非常大，想转行到IT领域学习python，有什么建议吗？
- 机器学习从入门到可以根据自己的idea进行编码，实现这个过程要多久，走什么学习路线？
- 怎样在Linux下编程？需要什么技术？
如何入门机器学习？
谢邀！个人认为机器学习最开始需要培养兴趣，要是一开始就一大堆公式算法什么的，看着头晕。所以可以从使用KMeans对客户分类这样的实践开始，培养兴趣。
之后的机器学习需要从理论，编程方面抓起并结合实践，提高掌握程度。具体介绍一下这部分的知识点吧。
理论基础
数学基础
概率论
统计学
线性代数
机器学习入门书籍：李航的统计学习、周志华西瓜书等，视频：台大林轩田的机器学习基石与技法；资料不在多，在这里自荐一波，一个有温度有情怀的公众号AlgorithmDeveloper，一起系统地自学机器学习，加油💪。
分享一下我以前自学的经验。
前提条件：①一定的高等数学基础，微分、偏微分、概率论、线性代数等。刚接触不需要太深入，知道，熟悉一些概念即可（比如矩阵的行列式、偏微分求导）。②一定的编程基础，主要是matlab，Python，熟悉基本的语法即可。③有一定的英文听读能力。如果以上条件不具备，建议别入坑。
第一步：直接上Cousera搜斯坦福大学（Stanford）吴恩达的机器学习课程。如果掌握了前提知识，跟着学，学得懂。不懂的数学概念查资料。课后的练习是该课的精华，一定要自己做。如果不会科学上网，B站搜吴恩达机器学习网课版即可。
这个过程持续1个月，在这期间，可以买一本周志华老师的《机器学习》和李航老师的《统计学习方法》。前者是入门经典，后者更多从数学的角度来讲机器学习，加深理解。
第二步：上完机器学习后，直接上吴恩达的深度学习大课，这么大课又分几门小课，涵盖了深度学习的方方面面，比如CNN、RNN、LSTM、Resnet等。由于深度学习发展很快，一些新的算法并没有讲到，一些算法可能已经过时，但学习思想也是很重要的。
上完这一系列课程大概3个月，在这期间可以买一本《Deep Learning》，最好是英文原版。根据个人情况买一些其它书籍。
第三步：完成了上面两步，基本就算入门了。接下来就是实践+持续学习了。多去github找开源项目，B站、慕课网去找实战项目。边学边做，达到一个熟练的程度。有机会，参加一下比赛，多跟大神交流。
这么做，基本上半年，就可以入门了。
写个简单的入门贴：
机器学习，机器运用一套通用的算法——泛型算法，自动建立起数据逻辑。
For example：
用于分类的泛型算法是能够把一组数据分门别类的，比如识别手写输入和区分垃圾邮件都可以用分类的泛型算法来实现，
此时，可以把机器学习算法看成一个黑盒子，两个任务输入的数据不一样，中间经过机器学习算法的作用，输出不同的结果。
机器学习可以分为有监督学习、无监督学习、半监督学习、强化学习等。这里的监督其实是指用来训练机器学习模型的数据是有标注的，而无监督学习就是没有标注数据，半监督学习是二者的结合，强化学习是对外界环境给的激励或惩罚信号学习自身的策略。下面咱们先从有监督学习开始：
***设，你现在是房地产经纪人，需要对房子进行相对准确的估价。你有一些所在城市三个月内房产交易的信息数据，包括房间数目、房子大小、周边地区环境，以及交易价格等。因为涉及了几个因素，你可能需要一个程序来帮你做这件事情，输入这些相关的信息，程序就能预估出房子的价格。
那么建立一个能预估房价的[_a***_]，你需要把关于每间房子的数据信息——“训练数据”——输入你的机器学习算法中，算法就会得出用于解决这些数据关系的一套数学公式。这就有点像一份数学考试的答案纸被涂掉了所有的算术符号，就像下面这张图。
非常高兴回答题主的这个问题，最近机器学习是非常热门的一个研究方向，但是需要说明的是机器学习并不是一个新概念了。
早期的机器学习更多是用于数学模型的拟合，数据回归和数据挖掘领域。主要的算法包括朴素贝叶斯，k-近邻，聚类，主成分析PCA等，这都是非常经典的算法。题主至少要了解。
往后随着深度神经网络的出现，机器学习进入了深度机器学的新领域，很大程度上现在火热的机器学习就是指的深度机器学习，包括谷歌的阿尔法狗都属于这一领域。这一部分如何来学好呢？这涉及的知识主要有:1，数学基础知识，包括高数中的导数、梯度，线性代数中的矩阵运算以及概率论的有关内容；2，适合机器学习的编程语言，比如Python和相关的库比如科学计算库:Numpy等；3，选择一个成熟且功能强大的深度学习框架，比如Tensorflow。
最后就是一个好的教学教程，或是教学入门***。这部分有很多资料，题主可以去搜索包括用某宝~
方法大致就是这样了，希望楼主可以通过一些项目不断的去学习，这一过程很可能会遇到一些困难或是问题，要多思考多逛帖子。一定能进步的。
未来人工智能发展的机会非常大，想转行到IT领域学习python，有什么建议吗？
真正意义上的人工智能现在还处于发现和发展阶段，现在在中国的各大高校也没有这个专业，据传武汉大学和小米科技将组建一个人工智能学院，这可能是中国第一个具有规模性的人工智能教育的专业院校。现在所有做人工智能的人都是跨界人才，没有谁是专业的。从未来的应用来看，这个行业将有无限的发展空间。反过来讲，学习没有早晚之分，当然是越早越好。记得华为的任总开始做通信领域之前是某公司的总经理，算是行政出身。哇哈哈的老板在做哇哈哈之前也不是做饮料的，马云是师范的。跨界不代表不成功，决心和毅力还有努力才是最重要的。也许会失败，关键的是面对失败的时候，自己不垮，有重新来过的信心。别人怎么看也许不重要，重要的是自己的目标是什么，怎么去规划，怎么去实现。不知道这样说能不能帮到你。祝你工作愉快！
人工智能从业的方向有为好多种，但大多都会涉及到数据，不管是用户网络数据还是图像数据，现阶段应用相对最多的是大数据方面以及机器视觉方面，从这你就会发现说白了主要就是数学与计算机科学等结合，其实人工智能在数学理论方面是相对较老的话题了，只不过最近因为深度网络学习以及大规模数据和超强算力的出现又一次火了，学习方面如果是要上大学的学生建议选数学与应用数学专业本科，计算机科学研究生路线来学，大学生建议学习路线，基础理论数学，计算机理论知识，数字图像处理，matlab，C++，简单项目，从业者路线:coursera课程贾扬清老师课程，mooc课程北京大学曹健老师的tentroflow学习笔记，南京大学张莉老师的用Python玩转数据，学习至少一种面向对象语言，建议java或C#,当然C++最好，这些的学习直接上Mooc学就可以，结合相关github上相关开源项目进行测试实践，至少结合caffe用自己的数据跑一到两个项目，就这样，当然这也只是个建议，不同人结合自己实际情况来学，总之一句话人工智能离不开数学，与计算机科学息息相关。
机器学习从入门到可以根据自己的idea进行编码，实现这个过程要多久，走什么学习路线？
如果基础课程了解的话，那就取决于你的编码能力有多强了，这个东西就不好说了，3年我觉得是至少需要的，除了编码能力，还要熟悉机器学习深度学习的各种优化方式，这个也是需要花很多的时间学习理论和实践的！总结来说，建议你先去学习python这个基本掌握了再去看原理，然后尝试编码
可能我们的情况差不多，我花了大概一年的时间算是入门了吧，这其中也算是走过不少的弯路，和你分享一下我的学习过程以及一些心得体会。
你要想从入门到自己编码这个其实要取决于几个因素：第一，因为机器学习用Python和r语言可能比较多，最多的还是Python，我也是学的Python，如果你有编程语言的基础，学好Python并不难，如果没有可能要花点时间，相对于学习其他编程语言而言，学习Python的时间肯定要少的多，因为Python语法比较简单，而且编码更接近于人的思想。第二，取决于你学习机器学习想要学到什么程度了？是想先打好基础，学好每一个算法，然后再开始学习一个框架再来根据自己的idea编程，这个过程需要的时间肯定是特别久的，而且还会非常的枯燥，甚至有可能学着学着会有放弃的想法，我就是这样过来的。如果，你只是了解这个算法的优势和劣势还有它的参数如何设置，相对其他算法而言在不同情况下，你能马上想到该使用哪种算法，然后再利用sklearn，TensorFlow，mxnet等其他框架，这个时间会比上个少的多，而且会更有趣点，我建议先这样学，等以后学好了再去研究算法。
给你分享一些我学习机器学习的一些想法。为什么我会花这么久的时间入门?我总结了一下，刚开始学习的时候没有一个明确的方向，因为机器学习的方向还是很多的，比如:大数据，机器视觉，推荐系统，自然语言处理，语音处理。我建议你学习大数据或者机器视觉，因为其他的要求会更高，机器视觉需要图像处理的基础，在大学应该学习了数字图像处理吧？而且，我也认为机器视觉很有前景，薪水肯定也不会低的，像无人驾驶，无人超市等都离不开机器视觉。如果学习机器视觉，你可以从TensorFlow开始，去网易云课堂看吴恩达的DeepLearning ai学习，这个教程真的非常好，是机器视觉很好的入门教程，它讲的是如何从入门到自己搭建神经网络。
希望我的这些经验能帮助到你。
怎样在linux下编程？需要什么技术？
分享好玩科技，探索未知世界。大家好，我是drinkingcode。针对如何学习Linux编程，分享一下作为过来人的经验，希望可以帮助到大家。
如果要在Linux下进行编程，那么首先我们需要有Linux操作系统的环境。通常的做法是下载并安装VMware，然后在VMware下安装Linux操作系统的发行版，比如Ubuntu，CentOS等。当一切安装就绪后，你就拥有一个Linux的编程环境了。如果大家需要相关资料，可以关注私信我，百度网盘分享给大家。(仅供个人参考学习)
掌握C语言
环境搭建好之后，接下来我们需要掌握一门编程语言。由于在Linux下提供的系统API都是针对C语言的，所以想要进行Linux编程，就需要掌握C语言的基本使用。针对C语言的学习，给推荐大家一本《C和指针》
熟悉Linux命令
在Linux下编程，很多时候都是通过命令来进行操作的，ls命令，cd命令等。所以掌握常用 的Linux命令之后，你就能更方便地去使用Linux系统。对于Linux命令的掌握，大家只需要选择一些常用的命令来进行学习就可以，至于平时不常见的命令，到时遇到再去选择性学习。在这里推荐一本学习Linux命令的书籍《鸟哥的Linux私房菜》基础学习篇
其实和windows下面编程流程差不多，唯一的区别就是你需要先熟悉一下Linux环境（毕竟没有Windows使用起来那么方便），其次，还有就是你需要熟悉一下常用的shell命令及vim等编辑器，下面我简单介绍一下：
熟悉常用的Linux Shell命令：这个是使用Linux的基础，像常见的ls,cd,find,mdkir,rm,top,grep,sed,awk,su等，简化版的Linux就只Terminal终端而已，如果你连基本的命令都不会，就不要想着还能操作Linux：
熟悉一下vim，emacs等编辑器的使用，可能在迷你版的Linux下，就只是一个vim编辑器，你所有的编程工作都只能在这个环境下进行，wq!命令，这个你会经常用到，如果是桌面版的，可能还有相关IDE可供使用：
最后就是编程了，这个根据自己的编程语言安装对应的包或编译器就行（gcc,JAVA,python等），无非就是vim编辑，命令行编译，调试运行而已（和windows平台可能会有差异），开始使用起来不舒服，后面熟悉后，也就没啥了，当然，有些IDE是跨平台的，也有Linux平台的版本，使用起来和windows的差异不会太大：
就分享这么多吧，可能有些乱，初学编程的话，如果对Linux不熟悉的话，建议还是在Windows环境下面进行，使用起来能更方便一些，熟悉后，可在Linux下面进行，当然，直接在Linux下面也行，不过有个熟悉的过程，建议初学者，还是下载一个桌面版的Linux，不至于直接一个终端命令行，使用起来很迷茫，不知所措，以后很多服务器都是基于Linux平台的，Linux的应用也很广泛，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言。
Linux是一个开源的操作系统，它最初仅仅只是芬兰Helsinki大学的一位年轻学生Linux Torvalds作为爱好开发的。Linus对Minix(一个小型的UNIX系统)很感兴趣，并且决定开发一个比Minix更好的系统。
Linux下编程可分为Linux C语言编程和Linux底层内核编程
Linux C语言编程需要掌握技术
1.Linux之io系统编程
2.Linux
3.Linux
4.Linux
Linux底层内核编程需要掌握技术
1.Uboot原理和编程
2.Kernel
3.Linux
以上就是Linux下的编程和所需学习的技术，这只是其中的一个大纲，具体还包括很多模块的技术，希望对你了解有帮助！
Linux下编程其实非常方便，Linux下了有完整的编辑、调试，编译，打包一栈式工具。
当然需要有前提熟悉linux常用命令、熟悉shell环境、能适应纯命令行终端的使用（Xwindows环境不咋成熟，不建议）。然后虫虫给大家说说Linux编程的一些技术：
Vim：vim是最常用的Linux编辑工具和linux IDE环境的母体，使用vim配合一些插件完全可以实现现代IDE环境下的绝大多数功能。
推荐组合：
主题：molokai（github：/tomasr/molokai）,vim-colors-solarized
插件：YouCompleteM自动补全（github：/Valloric/YouCompleteMe）
浏览目录结构的插件nerdtree（github：/crooloose/nerdtree）
其他有益插的vim工具推荐：
vim-surround：删除、修改和添加 括号、引号、XML操作。
matchit：用%在字符间跳转。
到此，以上就是小编对于机器学习吴恩达github python的问题就介绍到这了，希望介绍关于机器学习吴恩达github python的4点解答对大家有用。
