這堂課是資料科學: 使用 Python 實作深度學習的先修課程,教你如何使用 Python Numpy 程式庫。

想要學習使用 Python 實作深度學習/機器學習,這個課程講師在課程說明有列出學習順序課程。

我將從這門課程中學到什麼?

  • 了解使用 Numpy 程式庫程式設計
  • 利用 Numpy,Scipy,Matplotlib 和 Pandas 來實現數值演算法

規定為何?

  • 了解線性代數和高斯分佈
  • 熟悉 Python 程式設計

課程說明

歡迎!這是深度學習,機器學習和資料科學預備知識:Python 的擴充程式庫 Numpy

我經常得到許多人們想要學習深度學習和數據科學關心的一個問題,他/她們參加了這些課程,但是他/她們進度落後了,因為他們對於 Numpy 程式庫的了解不足夠,以將這些概念轉換為程式碼。

即使我是全職在寫程式,如果不了解 Numpy,那麼它的程式碼仍然很難閱讀。

本課程目的在消除這個障礙 – 以展示如何使用 Numpy 擴充程式庫做深入學習和資料科學中經常需要的事情。

那麼這些東西是什麼?

Numpy。這形成了一切的基礎。Numpy中的中心物件是Numpy 陣列,你可以在其上進行各種操作。

關鍵是Numpy 陣列不僅僅是一個在Java或C ++語言中看到的一般陣列,而是像是一個數學物件例如一個向量或是一個矩陣。

這意味著你可以進行向量和矩陣操作,如加法,減法和乘法。

Numpy 陣列的最重要的部分是它們針對速度進行了優化。所以我們要做一個演示,我向你證明,使用Numpy向量化操作比使用Python列表更快。

然後,我們將看一些更複雜的矩陣運算,如乘積,反轉,決定因子和求解線性系統。

Pandas。Pandas是偉大的,因為在引擎蓋下它做了很多事情,這讓你的生活更輕鬆,因為你之後不需要再手動編寫這些東西。

Pandas 使得處理資料組很像 R,如果你熟悉 R 的話.

R和Pandas中的中心物件是DataFrame。

我們將看看使用Pandas加載資料組比試圖手動加載更容易。

然後,我們將看一些 DataFrame 操作,例如按欄位過濾,按行過濾,apply 函數和 joins,joins 看起來很像 SQL joins 功能。

所以如果你有使用過 SQL 背景,你會喜歡使用 tables,然後 Pandas 將是下一個主要的東西需要學習。

由於 Pandas 教我們如何載入資料,下一步就是查看資料。為此,我們將使用 Matplotlib

在本節中,我們將討論一些常見的圖表,即折線圖( line chart ),散點圖( scatter plot )和直方圖 ( histogram )。

我們還會看看如何使用 Matplotlib 顯示圖像。

99%的時間,你將使用以上的圖表形式。

Scipy.

我喜歡Scipy作為Numpy的增益程式庫。

鑑於 Numpy 提供了基本的建構區塊( building blocks ),如向量,矩陣和對它們的操作,Scipy使用那些一般的建構區塊( building blocks )來做特定的事情。

例如,Scipy可以進行許多常見的統計計算,包括獲取PDF值,CDF值,從分佈中取樣,以及統計測試。

它有信號處理工具,所以它可以做迴旋( convolution )和傅立葉變換。

總結:

如果你參加了深度學習或機器學習課程,並且你理解了這個理論,你可以看到程式碼,但是你無法將這些演算法變成實際運行的程式碼之間的連接,這個課程是為你設計的。

所有這個課程的程式碼可以從我的github /lazyprogrammer/machine_learning_examples目錄numpy_class 下載

確定你總是使用 “git pull ”,所以你會有最新的版本!

你已經具備困難的前提條件/知識:

  • 微積分
  • 線性代數
  • 機率
  • Python 程式設計 : if/else, loops, lists, dicts, sets

小技巧(為了完成課程):

  • 使用 2x 倍速觀看
  • 採取手寫筆記。這將大大提高您保留資訊的能力。
  • 在討論板上提出很多問題。越多越好!
  • 意識到大多數練習需要幾天或幾週才能完成。

有用的課程順序

講師簡介  

Lazy Programmer Inc. 資料科學家和大數據工程師

我是一名資料科學家,大數據工程師和全端軟體工程師。

關於我的碩士論文,我使用機器學習的 brain-computer 介面。這些幫助語言障礙和行動不變的人與他/她們的家人和照顧者溝通。

我曾在網路廣告和數位媒體作為資料科學家和大數據工程師,圍繞所述的數據構建各種高流量的 web服務。我曾經使用Hadoop / Pig / MapReduce 建立了新的大數據管道。我建立了機器學習模型來預測點擊率,使用線性回歸建立新聞推薦系統,Bayesian Bandits和collaborative filtering,並使用A / B測試驗證結果。

我教過資料科學,統計學,機器學習,演算法,微積分,電腦圖學和哥倫比亞大學,紐約大學,亨伯學院和新學校的學生的物理學。

多個企業已經從我的 Web 程式設計專業知識中受益。我做所有的後端(伺服器),前端(HTML / JS / CSS)和操作/部署工作。我使用的一些技術是:Python,Ruby / Rails,PHP,Bootstrap,jQuery(Javascript),Backbone和Angular。對於儲存/資料庫,我使用MySQL,Postgres,Redis,MongoDB等。


課程網址 ( 免費課程 )

980086_196d_2

也許你會有興趣

喜歡我們的分享嗎?歡迎使用以下的社群分享按鈕分享給你的朋友吧!

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s

分類

04-Udemy 線上課程

標籤

, , ,