真心分享!纯新手怎么简单高效入门机器学习深度学习?

高速设计注意事项总结——MDI篇 在以太网高速通信系统中,MDI(Medium Dependent Interface,介质相关接口)是连接物理层芯片(PHY)与传输介质(如网线)的关键接口,其设计直接影响信号完整性、传输速率和抗干扰能力。本文围绕 MDI 及 RJ45 接口电路、关键参数、设计与布线要点展开,为高速以太网设计提供参考。本文包含MDI 及 RJ45 接口电路组成、电路设计注意事项、布局布线要求等内容 阅读详情

这期间听到最多的问题就是 零基础应该怎么系统的去学机器学习深度学习,说明明有很认真的去看视频教程,可是学了一段时间再看实际问题还是感觉啥都没学,这个其实是大家的学习顺序和资料找错了。

很多教程大家看不懂并不是教程不行,而是作者默认大家已经有一定的前置基础去写的教程,所以大家不仅看的时候难受,看完了也容易似懂非懂。 

为了让大家可以更好的 学习机器学习深度学习,我根据自己学习的经验,和踩过的坑,肝了几个大夜修改了n多次,整理了一份 机器学习深度学习零基础学习计划。

这份学习计划不管你是 零基础的研究生还是本科生,或者是转行人员 都可以根据这份学习计划进行学习。

 

文章中所有的数据和资料,可添加小助手无偿分享~
扫码添加小助手即可无偿获取~

也可以关注“AI技术星球”公众号,关注后回复“221C”获取。

PS:不管你是想学机器学习还是深度学习,前置的基础知识和工具都是必需学的。

第一部分基础知识(30天,数学基础好时间更短)

python

推荐教程:Python菜鸟教程文档

这部分首先需要学习 Python,因为Python是人工智能最简单易用的语言,要学好人工智能Python是必不可少的。(而且Python语言学习非常简单,如果你有过其他编程语言基础几个小时就能学会)

学习这部分需要 Python和数学基础、Python函数、Python面向对象编程、推荐跟着 Python菜鸟教程学习,学到内置函数这章就可以了。

数学基础

机器学习深度学习所需的三个基本数学领域:统计学、线性代数和微积分,如果大家不想只是当一个调参侠,只使用即插即用的机器学习软件包,就必须了解算法的实际作用,并知道什么时候使用它以及为什么使用它。

而学习算法的过程就是 研究底层数学的过程,大家不要一听到研究数学就出现畏难情绪!

这些数学知识其实都是 高中大学就开始涉及的,大家不用太害怕。

需要用到的知识有:

高等数学:函数、极限与连续、导数与微分、微分中值定理与导数的应用、函数的积分、定积分的应用、向量与空间解析几何、多元函数微分学、多元函数微分学的应用、常微分方程

线性代数:矩阵/张量乘法、n维向量与向量空间、线性方程组、矩阵的特征值与二次型

概率论:随机时间与概率、随机变量及其分布、多维随机变量及其分布大数定律和中心极限定理

机器学习数学基础:卷积、信号的分析、傅里叶变换及其扩展变换、滤波及机器学习

最优化方法:最优化问题与数学预备知识、凸性、最优性条件、算法的概念

推荐大家跟着白话机器学习、深度学习数学这两本书学习,学完基本就能掌握机器学习深度学习基础数学了。(都有中文版一天看一点很快能看完)

后续想更进一步可以深入学习下这三本书,对人工智能底层的数学讲解的十分细致。(这三本是国外非常受欢迎的人工智能数学书,可以起到一个查漏补缺的作用)

这部分需要学的包括 Numpy、Pandas 这两个 Python 库,以及 深度学习框架、代码。

Numpy

  • Numpy数据类型

  • Numpy常用函数

Pandas

  • Pandas的简洁

  • Pandas的数组属性

  • Pandas数据处理

  • Pandas函数

  • TQDM

数据分析实战

深度学习框架

PyTorch和TensorFlow

基于PyTorch2.0的深度学习入门教程视频,所有pytorch2.0新功能都有!100%向后兼容,学完直接可以做项目!

TensorFlow交叉是北京大学的TensorFlow2.0公开课

深度学习代码

一个逐行解释代码的网站:https://nn.labml.ai/zh/

左边是注释,右边是代码,对初学者非常友好,这个网站很多关键词都是带超链接的,点击即可跳转到对应知识点。而且这个项目会持续更新,真的不要太香。

可视化工具streamlit

无需前端知识,只用Python就可以写出可交互式网站

大家可以跟着这本教程书学习

机器学习入门

推荐大家跟着 计算机博士白话讲解周志华机器学习西瓜书 这个视频学,单纯看西瓜书可能很难看懂,可是当有人把难点揉碎了再教给你就完全不同了!(建议搭配西瓜书、南瓜书PDF学习)

机器学习实战

推荐竞赛项目:kaggle房价预测任务

推荐书籍:阿里云天池大赛赛题解析·机器学习篇

  • 工业蒸汽预测

  • 天猫用户重复购买预测

  • o2o优惠券预测

  • 阿里云安全恶意程序检测

进阶内容推荐

这三本书对大家深入理解机器学习的算法和后续的实战非常有帮助。

深度学习

三本深度学习绝对经典的教程书,三本评分都非常高(有了前面的代码基础三本书都可以很好的学习),大家可以根据个人喜好选一本,其中第三本是沐神出的,B站上还有视频。

计算机视觉

推荐大家跟着【231李飞计算机视觉公开课】搭配cv相关论文进行学习

神经网络书籍推荐

这本书的核心是教你如何在没有任何库的情况下自行构建神经网络,并且这本书重要的知识点都有视频加以讲解,大家点击即可跳转非常方便。

整个学习路线看完大家应该就知道了学深度学习并不是单独去学深度学习的知识就可以的,它还涉及底层数学、编程、代码、各种工具的使用,好了今天的分享结束了,大家学习中遇到任何问题都可以和我说

文章中所有的数据和资料,可添加小助手无偿分享~
扫码添加小助手即可无偿获取~

也可以关注“AI技术星球”公众号,关注后回复“221C”获取。

MATLAB基础应用精讲-【数模应用】数字预失真(DPD)(附MATLAB代码实现) 近年来,随着无线通信技术的发展,高功率放大器 (PA) 在提高信号传输功率的同时,也带来了非线性失真问题。PA的非线性失真会造成信号频谱扩展、功率下降、邻道干扰等问题,严重影响系统性能。为了克服PA的非线性失真,数字预失真 (DPD) 技术应运而生。DPD技术通过在发射机中引入一个非线性模块,对信号进行预失真处理,从而补偿PA的非线性失真。 阅读详情

相关推荐

一篇讲透:豆包、元宝、DeepSeek、Kimi、WorkBuddy,职场里到底怎么分工

这篇文章深入分析了当前主流AI工具(WorkBuddy、豆包、腾讯元宝、DeepSeek、Kimi)的特点和使用场景,帮助读者根据不同工作需求选择合适的AI助手。核心观点包括: AI工具各有所长:豆包适合快速创作初稿,元宝擅长信息检索整理,DeepSeek强于逻辑分析,Kimi专精文本处理,WorkBuddy则更适合任务推进和成果交付。 使用前需明确需求:是要创意发散、信息整理,还是任务执行?不同阶段应选用不同工具组合。 提供了6个具体职场场景的解决方案,包括文章创作、课程设计、会议纪要等,并给出详细的操作

weixin_39284145的博客 1万+

数学很差能学机器学习吗?机器学习如何入门?

数学基础薄弱确实会增加学习机器学习的难度,但并非不可逾越。关键在于有针对性地补足必要的数学知识,并选择合适的学习路径。机器学习的核心数学领域包括线性代数、概率与统计、微积分和优化理论,但不同方向对数学的要求不同。对于数学基础较差的学习者,建议优先掌握“够用”的数学知识,从应用型工具入手,选择对数学要求较低的领域,并逐步补足数学知识。

OpenCVtuxiang的博客 1271

Ubuntu 18.04下Freesurfer 7.2.0安装全攻略:从下载到环境配置一步到位

本文详细介绍了在Ubuntu 18.04系统上安装Freesurfer 7.2.0的完整流程,包括系统准备、依赖安装、下载解压、环境配置、许可证获取及性能优化。Freesurfer作为神经影像分析的重要工具,支持皮层重建和体积分割等复杂任务,适用于阿尔茨海默症等神经系统疾病研究。指南还提供了常见问题解决方案和实际应用案例,帮助用户快速搭建高效的神经影像分析平台。

omega的博客 996

深度学习入门难吗?真的不难啊!3天就能学会了!深度学习学习路线

深度学习入门虽具挑战,但通过循序渐进的学习和实践,可以逐步掌握。主要难点包括数学基础(线性代数、微积分、概率统计)、神经网络工作原理的理解、模型调试与优化,以及编程和框架的学习。建议从基础机器学习概念入手,逐步过渡到深度学习,同时加强数学和编程知识的学习,并通过实际项目强化实践。使用如PyTorch和TensorFlow等框架,从简单模型开始,逐步深入。保持好奇心和持续学习的态度,是克服深度学习入门难点的关键。通过不断学习和实践,深度学习的难度将逐渐降低,最终掌握这一强大工具。

OpenCVtuxiang的博客 869

美团mtgsig 3.1.0算法还原:从加密入口到d1生成的完整链路拆解

本文详细拆解了美团mtgsig 3.1.0签名算法的完整逆向过程。通过定位加密入口函数eH,理清a6、a5、a8到d1的生成依赖链,并运用插桩技术,在JSVMP混淆环境下逐步还原了核心参数的生成逻辑,为逆向工程实践提供了清晰的纯算还原方法论。

oo7890的博客 777

测绘无人船避坑指南:云卓H12Pro遥控器接海康摄像头,从网络设置到RTSP流延迟优化全流程

本文详细解析了测绘无人船视频子系统的优化方案,重点介绍海康威视摄像头与云卓H12Pro遥控器的深度适配流程。从网络设置到RTSP流延迟优化,提供了一套经过实测的低延迟(<200ms)解决方案,适用于复杂水域环境下的测绘任务。

weixin_30415113的博客 627

如何系统型地学习深度学习?| 文末送书

链接:https://www.zhihu.com/question/305745486编辑:深度学习与计算机视觉声明:仅做学术分享,侵删如何系统型的学习深度学习?不知小伙伴们遇到没遇到这...

深度学习与计算机视觉 990

Cadence IC 618实战:从与非门到环形振荡器的完整版图设计流程(含DRC/LVS避坑点)

本文详细介绍了使用Cadence IC 618进行从与非门到环形振荡器的完整版图设计流程,包括环境准备、基础设计规范、层次化设计、DRC/LVS验证及后仿真优化。特别提供了实战中的避坑技巧和优化建议,帮助工程师高效完成集成电路设计任务。

weixin_26886855的博客 405

数学很差能学机器学习吗?

最近总有人问,数学很差能学机器学习吗?其实问这种问题的人,心里多少有一点畏难、或是逃避找借口。不管是学习什么方向,都不是从零开始,而是站在巨人的肩膀上开始。因此,对于普通人来说,首先要做的是学习已知的,大家基本搞清楚的内容,而且是从相对基础浅显的部分开始。数学很差能学机器学习吗?当然是可以的。1、首先学会用并不难。现在各种机器学习、深度学习方法都有封装得很好的库和文档,比如机器学习的scikit-learn库。各种传统机器学习模型都封装在里面了,大家只要掌握了接口的调用方式和模型的适用场景,就可以基本正确的

gu1857035894的博客 971

获取抖音中x-secsdk-csrf-token的方法

获取抖音中x-secsdk-csrf-token的方法

sh_moranliunian的博客 2020

NXP S32k3 MCAL ADC配置

S32K3 配置MCAL ADC

Leon_0125的博客 5072

转行大模型应用开发!普通人零基础上岸真实路线!

摘要:一位29岁的前端开发者通过三个月自学成功转行AI大模型应用开发,年薪增长50%,并分享零基础学习路线。学习分为四个阶段:Python/Pytorch基础(1周)、机器学习/深度学习核心(2周)、Transformer/大模型原理(1个月)、实战项目(2个月)。强调实战重于理论,推荐了高效学习资源,并展示了学员成功案例。文章鼓励普通人抓住AI风口,通过系统学习和项目实践实现职业跃升,并提供配套课程资源支持。智泊AI的升级课程覆盖从基础到前沿技术,结合真实项目培养复合型人才,助力学员进入大厂并获得高薪机会

2401_85725028的博客 229

【嵌入式Linux驱动开发】二十四、Linux I2C 驱动上手尝试

  人的前程关于眼界、关乎格局。   志之所趋,无远弗届,穷山复海不能限也;   志之所向,无坚不入,锐兵精甲不能御也。 一、I2C驱动框架简介   Linux内核将 I2C 驱动分为两部分: ①、 I2C 总线驱动, I2C 总线驱动就是 SOC 的 I2C 控制器驱动,也叫做 I2C 适配器驱动。 ②、 I2C 设备驱动, I2C 设备驱动就是针对具体的 I2C 设备而编写的驱动。 1....

悟已往之不谏 知来者之可追 1068

从0到1!AI大模型保姆级学习路线!

本文提供了一套完整的AI大模型学习路线图,涵盖数学与编程基础、机器学习、深度学习、自然语言处理、大模型核心技术与实战应用。通过系统学习Transformer、BERT、GPT等关键技术,并结合文本生成、对话系统等实战案例,帮助读者从零基础成长为AI大模型领域的熟练程序员。阶段 1:基础知识打底(数学 + 编程)✅ 数学三件套:线性代数、概率统计、微积分✅ 编程基础:Python+ NumPy+ Matplotlib阶段 2:机器学习入门。

2401_85373898的博客 412

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

吐血整理!AI自学终极指南:2025年最新大语言模型(LLM)入门学习路线图,保姆级规划助你少走弯路!

文章提供了AI学习的三阶段规划:第一阶段夯实基础(Python编程和数学知识);第二阶段核心突破(机器学习和深度学习);第三阶段进阶实战(项目实践和持续学习)。强调理论与实践结合,建议从调用API开始再理解原理,通过Kaggle竞赛和复现论文巩固知识,持续关注技术社区和前沿论文,最终实现从小白到AI开发者的转变。

weixin_55154866的博客 1008

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

大模型应用开发零基础入门:手把手教你从0到1,年薪翻倍高薪Offer拉满,建议收藏!

很多转行的朋友问我:社招做大模型应用开发,还要刷力扣、写代码吗?我前后面了30+场,统一答案:要!一定要!面试时长普遍一小时以上,纯聊技术理念很空,现场写代码、调demo、排bug,是面试官最直观的考察方式,双方都轻松,也能直接体现你的实战能力。最后碎碎念:以前29岁的我,看着AI浪潮越来越火,只会焦虑内耗,担心自己被时代淘汰,觉得普通人没机会翻身。现在我才明白:AI时代,从来不是用来淘汰普通人的,而是给普通人逆袭的最大风口!与其被动被AI浪潮拍倒,不如主动跳进来做冲浪的人。

m0_48891301的博客 291

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

从零基础到高薪Offer:收藏这份大模型应用开发上岸路线,普通人也能逆袭!

很多转行的朋友问我:社招做大模型应用开发,还要刷力扣、写代码吗?我前后面了30+场,统一答案:要!一定要!面试时长普遍一小时以上,纯聊技术理念很空,现场写代码、调demo、排bug,是面试官最直观的考察方式,双方都轻松,也能直接体现你的实战能力。最后碎碎念:以前29岁的我,看着AI浪潮越来越火,只会焦虑内耗,担心自己被时代淘汰,觉得普通人没机会翻身。现在我才明白:AI时代,从来不是用来淘汰普通人的,而是给普通人逆袭的最大风口!与其被动被AI浪潮拍倒,不如主动跳进来做冲浪的人。

AI大模型的博客 344

2025年大模型教程:从新手到专家的全面指南,非常详细收藏我这一篇就够了!

AI大模型学习指南摘要 本文系统介绍了AI大模型(LLMs)的核心技术及应用。内容涵盖:1)基础概念:大模型定义(如GPT-3)、Transformer架构及涌现能力;2)训练流程:数据清洗、分布式训练(数据/模型并行)与混合精度优化;3)微调方法:指令微调、RLHF及参数高效技术(LoRA/Adapter);4)应用场景:文本/代码生成、多模态任务;5)部署优化:量化、剪枝及工具链(vLLM);6)伦理风险:偏见治理与滥用防范。附104G学习资源包,含视频教程、技术文档及实战案例,助力从入门到精通。 (摘

2401_84204207的博客 1055

别再瞎学大模型了,这份GitHub神级课程火爆全网,大模型入门到精通,收藏这篇就足够了!

这个项目真心不错,结构化得特别好,把复杂的 LLM 领域拆解成了三个清晰的部分,对想系统学习的同学来说,简直是福音。

Y525698136的博客 842

想学大模型?大模型学习资料合集(含PDF下载)让你少走弯路!

最近整理了一批关于大语言模型(LLM)、Transformer、BERT、ChatGPT 等方向的学习资料,涵盖了入门、实战、工具链、理论等多个维度,非常适合初学者和进阶者收藏阅读👇

2401_84494441的博客 1386

2025最新《AI大模型应用开发学习资源包》最全学习路线、从入门到精通视频教程、实战案例与资源汇总(内含300道AI面试真题)

同时课程详细介绍了。

jennycisp的博客 841

【干货收藏】大模型微调全流程详解:掌握LoRA微调核心技术

文章总结了大模型微调的完整流程,包括目标确定、数据准备与预处理、模型加载配置、超参数设置、训练验证、评估优化及部署。详细介绍了参数高效微调方法LoRA的原理,通过低维向量运算实现高效微调,提升模型输出质量。

Android_XG的博客 1103

社招转行CV算法的心酸之路:越朴素的方法,往往越容易成功!

经过前前后后半年多的努力,我终于成功转型,拿到35万年薪的CV算法岗……我是个非985/211的普通本科生,非计算机专业,在毕业前一年就计划转IT,经过一年的努力转型还算顺利!在经过了近...

Paper weekly 2837

手撕LLM,从0开始学习大模型底层技术原理!_llm底层技术原理

随着人工智能技术的加速演进,AI大模型已成为全球科技竞争的新高地,发展潜力巨大。我国高度重视人工智能的发展,出台了一系列扶持政策和规划,为AI大模型产业创造了良好的环境。

2401_85378759的博客 401
上一篇: 要做机器学习是不是非学数学不可?又要学到什么程度才行?
下一篇: 看完这本1220页的教程书还不懂机器学习的可能性接近于0!
深度学习机器学习
博客等级 码龄2年 495粉丝 102原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值