請問能否更循序漸進的教學
不好意思,我有十年的 Java 後端經驗了,python 也有些基本
但對於 ai 與這些統計沒有經驗,在追這個課程前面就覺得有點吃力
到了這邊要追那些延伸的 「Ways to Detect and Remove the Outliers」覺得吃力
但文章裡面的東西就又會卡關,比如 load_boston() 就會錯
雖然 google 類似這樣的文章繼續惡補 https://machine-learning-python.kspax.io/application/linear_regression 可以解決
但就是會有一直卡關的感覺
後來想那是延伸的,先趕上進度吧,要做作業,又看到 ECDF 又不是很懂這是什麼
我知道可以自行 google,但面對時間的壓力,實在覺得編排上有點亂七八槽的難追
是否有什麼建議或是我有什麼誤解沒有跟上?
回答列表
-
2019/09/23 上午 00:00張維元 (WeiYuan)贊同數:2不贊同數:0留言數:4
我這邊提出我自己的想法,不代表主辦單位的立場。我不建議把百日馬拉松當成是一個完整或唯一的教學內容,應該比較定位一個在「確認是否掌握重要的知識點」的練習題庫。 題目的練習比較像是由下而上的學習方式,透過實作來培養遇到問題的應對策略。不過同時也會建議你找幾個由上而下的系統性學習資源,例如某堂完整的線上課程或是某本完整的書。
「編排上有點亂七八槽的難追」,我不確定你這邊具體的感受為何。如果是程式工程師的角度來看的話,如果叫一個沒有修過演算法或是資料結構的同學只透過刷 Leetcode 這樣的題目來學習演算法,那麼學習起來也會很挫折吧。
-
2019/09/23 下午 06:03CUPOY贊同數:2不贊同數:0留言數:0
同學您好,您遭遇到的問題其實是許多資料科學與機器學習的初學者常遇到的問題,
因為我們會遇到許多跨領域的知識點,除了一開始的統計、線代、微積分的基礎知識,到後面會再遇到
關於電腦視覺(圖片處理)、自然語言(NLP)、甚至高階圖學(Graph)等不同問題所要學習的進階知識點,
所以有時會覺得無所適從是正常的,然而,以本屆百日馬拉松所規畫的這一百多個知識點,可說是學習機器學習入門的必讀項目,同學們在學習過程中遭遇的任何問題,我們都會邀請相關專家盡可能為學員們解惑,盡量提升大家的學習效率。
關於在未來如何讓學員能更有效率的學習,我們也會推出更多的輔助計畫。
包括共學社群和線下的加強課程,這些都會在近期上線,而且我們也會針對目前的學員提出優惠的方案讓大家能在學習的道路上加速前進。希望能夠幫助您。