一種機器學習SEO技術普通人的技術SEO先進SEO如果你對學習很好奇機器學習，卻被大量信息淹沒，你來到正確的位置AlexisSanders與她分享了一本如何學習機器學習的指南，從A的角度解釋了優(yōu)缺點。

　　機器學習（ML）在世界范圍內(nèi)廣泛存在。它的影響已經(jīng)從看似微不足道的小勝利延伸到突破性發(fā)現(xiàn)SEO社區(qū)也不例外（對機器學習的理解和直覺可以支持我們對谷歌工程師所所面臨的挑戰(zhàn)和解決方案的理解，讓我們敞開心扉接受ML更廣泛的含義）。

　　獲得機器學習一般理解的優(yōu)勢包括：

　　它引起了工程師們的共鳴，他們**終試圖為用戶創(chuàng)造**好的結果。

　　了解機器解決的問題、當前的能力和科學家的目標

　　了解競爭生態(tài)系統(tǒng)以及企業(yè)如何利用機器學習推動業(yè)績

　　準備好為什么許多行業(yè)領袖給我們帶來了社會的重大變革（Andrew Ng指的是AI指的是ldquo）；新電力

　　理解研究中經(jīng)常出現(xiàn)的基本概念（這有助于我理解谷歌大腦研究中出現(xiàn)的一些概念）

　　作為一個個體成長，擴展你的視野（你可能真的喜歡機器學習?。?/p>

　　當代碼工作并生成數(shù)據(jù)時，這是一種非常令人滿意的感覺（即使這是一個非常微不足道的結果）。

　　我花了一年時間學習網(wǎng)絡課程，閱讀書籍和學習（就像一臺機器）。本文為勞動成果mdashmdash；它涵蓋17機器學習種資源（包括在線課程、書籍、指南、會議演示等），包括**便宜和**流行的在線學習資源（通過一個完整的初學者視角）。我還添加了一個摘要：ldquo；如果我重新開始，我將如何處理它。rdquo；

　　這篇文章不是關于學分或?qū)W位的。這是關于Joes和Joannas，他們對機器學習感興趣，他們想有效地利用他們的學習時間。這些資源中的大多數(shù)將消耗超過50個小時的承諾。沒有人有時間浪費一周的工作時間（尤其是在你的私人時間里）。這里的目標是讓你找到**適合你的學習風格的資源。我真誠地希望你覺得這項研究有用，我鼓勵你評論哪些材料證明是**有用的（尤其是那些沒有包括在內(nèi)）！人文機器學習

　　以下是我的建議：

　　1.出發(fā)（預計60小時）

　　從初學者的簡短內(nèi)容開始。這將使你能夠承諾用**少的時間獲得事情的要點。

　　提交三個小時到JasonMaye幻燈片機器學習101：2年的敲門，所以你不必。

　　使用Juh戈登YouTube觀看谷歌的{ML}配方兩小時。

　　注冊Sam debrule機器學習的時事通訊。

　　通過機器學習的谷歌加速課程作業(yè)。

　　開始在車里聽OcDeVIEW指南播客（跳過1、3、16、21、26），用手和眼睛進行鍛煉和/或其他活動。

　　用兩天時間通過KGARLE的機器學習軌跡的第1部分。

　　2.準備提交（估計80小時）

　　通過這一點，學習者可以了解他們的興趣水平。繼續(xù)專注于盡快應用相關知識。

　　每周工作10小時，連續(xù)工作7周。如果你有一個朋友/導師可以通過AWS幫助你安裝，絕對要依賴安裝中的任何支持（這是ML中100%**差的部分）。

　　使用SCIKITlearning and tunsofoo：掌握構建智能系統(tǒng)的概念、工具和技術，并立即閱讀前兩章。然后將此作為FAST的補充AI當然。

　　三個。開闊視野（估計115小時）

　　如果你已經(jīng)完成了**后一部分，仍然渴望獲得更多的知識，那么繼續(xù)拓寬你的視野。閱讀內(nèi)容側重于教學機器學習和廣度mdashmdash；為算法試圖實現(xiàn)的直覺（無論是視覺的還是數(shù)學的）建立直覺。

　　開始觀看視頻并參加udacity的機器學習介紹（Sebastian Thrun和Katie Malone）。

　　通過Andrew Ng的Coursera機器學習課程。

　　你的下一步

　　到目前為止，您將擁有AWS運行示例、數(shù)學基礎知識和機器學習的總體視圖。這是你決定做什么的起點。

　　你應該能夠根據(jù)你的興趣來確定你的下一步，無論是進入卡格爾游戲；DoFASTAI兩部分；深入研究數(shù)學和模式識別以及Christopher Bishop的機器學習；Andrew Ng的新deeplearning，AI課程Coursera；了解有關特定技術堆棧的更多信息（TensorFlow，ScKITlearning，Keras，panda，NUMPY等）；或申請機器學習自行解決問題。

　　為什么我要推薦這些步驟和資源

　　我沒有資格寫一篇關于機器學習的文章。我沒有博士學位。我在大學里上了一堂統(tǒng)計學課，這是我**次真正理解ldquo；打架或逃跑；這是一種反應。**重要的是，我的編碼技能被玷污了（在**好的情況下，它們是堆棧溢出反向工程塊）。雖然我有很多缺點，但這篇文章一定是像我這樣的普通人寫的。

　　從統(tǒng)計學上講，我們大多數(shù)人都是平均水平（AH，鐘形曲線/高斯分布總是趕上我們）。因為我不受任何精英情緒的束縛，所以我可以和你在一起。以下是我所學的所有課程的概要，以及如何開始學習的計劃機器學習，如果我能從頭開始的話。單擊此處可使用注釋擴展每個課程的完整版本。

　　深度研究機器學習課程：

　　出發(fā)

　　JasonMaye機器學習101滑板：頭部撞擊2年，所以你不必

　　ML{戈登}公式

　　谷歌TysFaceAPI速成課程機器學習

　　機器學習oclevel指南播客

　　KGLE機器學習軌跡（第1課）

　　準備提交

　　FAST. AI（第1部分，共2部分）

　　與SCIKIT和tunsofoo一起學習：機械智能系統(tǒng)的概念、工具和技術

　　開闊你的視野

　　資產(chǎn)：機器學習簡介（凱特/塞巴斯蒂安）

　　Coursera機器學習課程標準吳恩達；

　　額外機器學習機會

　　IpulLRead機器學習指南

　　復核谷歌Dr

　　加州理工學院機器學習iTunes

　　Christopher Bishop的ldquo；模式識別與識別機器學習rdquo；

　　機器學習：開發(fā)商和技術人員之手

　　用Python介紹機器學習：數(shù)據(jù)科學家指南

　　第機器學習頁，共喬治亞理工大學頁

　　斯坦福iTunes第吳恩達機器學習頁

　　動機與啟示

　　如果你想知道為什么我花了一年的時間，那我就和你在一起。我真的不知道我為什么要關注這個項目，更不用說我為什么要關注它了。我看到Mike King在機器學習開會。我措手不及，因為我對這個話題一無所知。這讓我產(chǎn)生了一種討厭的、貪得無厭的好奇心。它從從一進程開始，然后螺旋式地失控。**后，它變成了一個想法：一個評論指南，以**便宜和**流行的機器學習資源在網(wǎng)上（通過一個完整的初學者拍攝）。我希望你覺得它有用，或者至少有趣。請在評論中分享您的想法或問題！

http://m.ezekroy.com/jianzhanzhishi/852.html 一種普通人的機器學習SEO技術