【為什麼我們要挑選這篇文章】想自學機器學習技術，但超怕山多的專有名詞和看不懂的教學嗎？GitHub 有個 Python 機器學習新手包，一天內衝上熱門第四名。內容名副其實對菜鳥超友善，新手工程師還不快存起來。（責任編輯：陳伯安）
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請聯繫出處
作者：量子位／ 銅靈
「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息
快將你的履歷自傳寄至 jobs@fusionmedium.com」
15 日，有一個機器學習人氣課程衝上 GitHub 熱榜，一天之內新增了近 700 star，一下子登上熱門排行榜第四名。
這套課程名為 A Machine Learning Course with Python （Python 機器學習課程），其介紹中只有一句話：
這是一套容易理解並且簡單的 Python 機器學習課。
入門級資源、門檻降到最低，這讓不少網友心裡癢癢，推特網友紛紛轉推，表示期待著有空好好學習一下。
新手也能懂的，機器學習入門教學
「容易理解」的 flag 絕對不是白立的，從課程設置上就能看出，裡面的內容絕對友好。
這套資源主要在解決四個問題：
- 機器學習的定義是什麼？
- 什麼時候開始流行，發展趨勢是什麼？
- 機器學習的類別都有哪些？
- 最常見的機器學習算法以及如何實現它們？
針對這些問題，這套課程的設置了如下目錄，共分為三章：
前言
- 機器學習概覽
第一章：核心概念
- 交叉驗證
- 線性回歸
- 過擬合和低度擬合
- 正則化
第二章：監督學習
- 邏輯回歸
- 樸素貝葉斯分類
- 決策樹
- K-近鄰
- 線性支持向量機
第三章：監督學習
- 聚類
- 主成分分析
- 第四章：深度學習
- 多層感知機
- 卷積神經網路
- 自編碼器
不要看到這些專業詞彙就被繞暈了，別忘了這可是套小白可食用的入門課。在每一個小節之後，都又細分出了更多小單元。比如在邏輯回歸這一節：
包含了邏輯回歸的簡略介紹：
使用方法：
然後才是需要一些門檻的數學原理：
最後，還附上了相關案例及其程式碼，絕知此事要躬行：
雖然這套課程中沒有影片，但裡面用到了大量的動圖元素方便理解，選擇省流量課程的好去處。
關鍵是，它還完全免費呢。
好資源大放送
課程傳送門： 點這 。
GitHub 傳送門：點這 。
（本文經 AI 新媒體 量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈GitHub 热榜第四！这套 Python 机器学习课，免费获取还易吸收 | 资源 〉，首圖來源：unsplash, CC Licensed。）
你可能感興趣
GitHub 遭駭客攻擊！勒索交出比特幣贖金，不然就公開你的私有程式碼