Python机器学习经典实例阅读计划

《Python机器学习经典实例阅读计划》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《Python机器学习经典实例》阅读计划——图灵大数据与机器学习群（第1期）领读人：猫煞本书特色通过实际案例的形式，讲述机器学习的基础知识并运用Python语言将机器学习领域常用算法加以实践，让读者能够更好地掌握相关知识点。适合读者对Python语言语法有基本了解者即可阅读，但更推荐熟练掌握Python语言且对机器学习有兴趣的读者阅读。答疑时间安排：每周三晚20:00—22:00总阅读时长（预估）：一个月（阅读过程中敲代码实践）每天阅读用时：2小时图灵社区本书网址：http://www.ituring.com.cn

2、/book/1894图灵阅读计划网址：https://github.com/BetterTuring/turingWeChatGroups阅读规划第一部分（第1~3章）阅读时长：10~15小时重点内容1.数据预处理技术数据预处理是所有数据科学研究的第一步，针对数据的处理过程又比较繁琐和单调，某些形式的数据甚至很难处理，这部分需要读者熟练掌握Python处理各类型数据的方法以及充分了解数据本身。2.建立分类器分类器是对数据的进一步处理，对后续的机器学习内容有重要意义。难点内容1.数据预处理2.分类器与建模补充一定要理

3、解各个概念的核心思想，技术细节太难的部分可以根据自身能力适当跳过。参考书籍：《Python数据处理》第二部分（第4章）阅读时长：10~15小时重点内容各种针对不同形式数据的聚类算法难点内容算法的数学推到和理论思想补充对于数学能力较普通的读者，建议第一遍阅读时只掌握算法思想和实现方式，之后再针对数学推理部分做深入学习。参考书籍：《图解机器学习》第三部分（第5章）阅读时长：10小时重点内容推荐引擎的相关技术综合数据处理、分类器知识和算法知识实现一个推荐引擎难点内容1.前两部分知识点的综合运用2.数据、分类器、算法的合理

4、搭配补充跟着书上的实例实现推荐引擎后建议自己再做一些修改，套用上不同的分类器不同的算法和数据，实现一个其他类型数据的推荐引擎。参考书籍:《推荐系统》第四部分（剩余所有章节）阅读时长：50+小时（包括阅读、编写代码、开发调试和自我拓展）重点内容1.各个不同领域数据的采集和预处理这部分的各个章节因为关注于不同领域的数据，由多个实战性的项目组成，每个项目的类型和特点天差地别，数据采集方式也大相径庭，所以是一个比较综合性的挑战，比较重要。2.针对不同数据如何选择算法和分类器以及模型3.数据可视化这部分内容虽然与机器学习的核

5、心部分技术关系不大，但是对于人机交互部分是极为重要的。难点内容1.对不同领域数据的处理2.对不同领域数据采取不同的计算操作3.数据可视化的各种方法和形式补充可以开始参考各领域的相关书籍、博客、论文等资料进行深入学习。参考书籍《Keras图像深度学习实战》《人脸识别原理及算法》《机器学习Web应用》《数据可视化实战：使用D3设计交互式图表》其他建议在阅读过程中遇到问题不要过分死抠，多利用搜索引擎查找相关资料，及时在群内寻求指导，切忌闭门造车。对于实在很难理解的知识点，可以酌情跳过，之后再深入学习和推敲。在完成书上的代

6、码实践后，建议自己灵活运用学到的内容对实例进行一些调整修改，将孤立的理论融会贯通。