大家有沒有合適的機器學習或者深度學習課程推薦？
大家好，我想實現輸入特徵數為3，預測輸出數為120的功能。輸入和輸出都是連續變化的。有沒有課程推薦啊，我看了吳恩達老師的機器學習，現在看完了神經網路部分，講的是真的好，但是內容大部分是分類問題，我想解決的是回歸問題。請大家推薦一下課程，最好順便推薦一下實戰課程，比如說哪個講Keras的課程包括這個內容，因為我是想實際應用，謝謝大佬們！
看吳恩達的深度學習課程就可以入門了，最好的課程。
李航《統計機器學習》和Goodfellow的《Deep Learning》入門千萬不要看。
吳恩達的課程，可在B站，網易雲課堂找到。
書籍，周志華《機器學習》和李航《統計機器學習》。
推薦：《菜菜的機器學習sklearn課堂》
菜菜的機器學習sklearn課堂 - CDA人工智慧學院 - 數據科學與人工智慧從業者的在線大學_AIU人工智慧學院_經管之家_CDA數據分析師旗下?edu.cda.cn
簡介：十一周sklearn課程，讓菜菜帶你認識sklearn，帶你深入淺出地探索演算法的神秘世界。我會為你解讀sklearn中的主流演算法，帶你處理數據，調整參數，完善演算法，調用結果。我會為你解析參數，助你理解演算法原理，也會帶你遍歷案例，帶你實戰給你刷經驗。十一周之後，人人都能夠三行實現演算法，實現少加班，多鑽研，在數據行業乘風破浪的目標，為成為優秀的數據挖掘工程師打下堅實的基礎~
我自己安排的一個學習路徑，希望對你有用
loading...?share.mubu.com看這裡哦，黑馬程序員全新13天機器入門學習教程！耗費兩個月完成，想要系統學習機器的小夥伴們一定不要錯過哦！
黑馬程序員2021重磅推出人工智慧入門教程！13天視頻教程包含機器學習精講+14大案例（NBA球員數據分析，北京租房數據，疾病數據預測等等）
Python人工智慧13天快速入門機器學習教程
在線觀看地址：
黑馬程序員2021必看教程之人工智慧入門，13天的機器學習入門精講+14大案例分析（含NBA球員數據分析，租房數據統計分析，疾病數據分析等）_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili?www.bilibili.com
全部視頻免費下載
Python人工智慧13天快速入門機器學習教程?yun.itheima.com
學習本課程，你將會有以下收穫：
可掌握核心能力：1、掌握機器學習中處理數據的方法2、理解經典的機器學習演算法原理3、掌握機器學習中工作的具體流程課程內容：1. 了解人工智慧基本概念2. 掌握matplotlib的基本使用3. 掌握Numpy的基本使用
4. 掌握pandas的基本使用5. 掌握Seaborn的基本使用6. 熟悉人工智慧中常用的數學7. 熟悉KNN演算法實現過程及其原理8. 熟悉線性回歸演算法實現過程及其原理9. 熟悉邏輯回歸演算法實現過程及其原理10. 熟悉決策樹演算法實現過程及其原理11. 熟悉樸素貝葉斯演算法實現過程及其原理12. 熟悉SVM演算法實現過程及其原理13. 熟悉HMM演算法實現過程及其原理
14. 熟悉集成學習基本分類以及經典演算法15. 熟悉xgboost、lightGBM演算法實現過程及其原理課程介紹來源於官方簡介哦
深度學習：3天帶你玩轉Python深度學習
完整視頻：
3天帶你玩轉Python深度學習?yun.itheima.com配套資料：https://pan.baidu.com/s/1632KvuyimsBsAWAQ1mOwZQ 提取碼：94hm
該階段是深度學習的入門課程，主要介紹經典的深度學習框架TensorFlow的使用，IO操作，以及神經網路基礎、卷積神經網路的相關知識，並用卷積神經網路原理搭建、設計自己的網路，實現對驗證碼圖片內容的識別。
兩小時快速入門深度學習
兩小時快速入門深度學習?yun.itheima.com
【主講內容】
1.了解深度學習就業崗位的基本要求和技能。
2.理解人工智慧當下研究方向與應用。
3.理解基於Tensorflow框架的深度學習開發實踐流程。
4.手動實踐完成神經網路的搭建及訓練。
博士高能AI課，無基礎入門到精通深度學習?yun.itheima.com發佈於 01-06繼續瀏覽內容
知乎發現更大的世界打開
Chrome繼續
賢賢賢自然語言處理，深度學習，機器學習，軟體工程貪心課堂
貪心課堂
都看完神經網路部分了，還覺得學的都是分類，沒辦法解決你的回歸問題。哪怕被摺疊，我也要說你是白看了。
推薦這個視頻課，B站上的機器學習白板系列
【機器學習】白板推導系列(三十五) ～ 強化學習之動態規劃_嗶哩嗶哩 (゜-゜)つロ 乾杯~-bilibili
B站上白板機器學習第二個視頻里介紹的比較全
我推薦看李宏毅的機器學習課，看完之後再看統計學習方法。再看深度學習。
建議看周志華老師的《機器學習》和李航老師的《統計學習方法》。數學基礎不太好的話就先看第一本，每本認認真真看三遍，有不懂的弄明白，然後你的機器學習知識體系就可以建立起來了。之後遇到任何問題就可以很快找到解決方法。
你在bilibili.com,搜「同濟子豪兄」，裡面有他用中文講解的斯坦福公開課，如果做圖像，特別推薦」斯坦福CS231N」
可以看看書，課程很難有實操的
輸入輸出特徵為3和120是比較少見的，與一般模型是相反的，需要大量的數據進行訓練。不太會針對這個小眾需求專門有課，也沒有必要，標準的方法先試試。
回歸比分類更簡單，最後一層不用sigmoid就好了。
aiking2019：人工智慧零基礎入門指南(2020)?zhuanlan.zhihu.com
建議先了解學習路徑，先結合自己的實際情況。
機器學習建議斯坦福大學吳恩達教授的CS229，在coursera上有公開課程。如果原版的看不了可以去網易雲課堂看帶字幕的。
有機器學習基礎的話可以看同為斯坦福的CS231深度學習課程，在斯坦福官網有對應章節的筆記，知乎也有翻譯版本的筆記，可以自己搜一下。
然後推薦一本深度學習的書，被稱為深度學習領域的聖經。搜一下 「深度學習 花書」可以找到。至於看原版還是中文版看你自己英語水平，建議能看原版還是看原版。
我覺得這個問題應該很多人在剛開始入門的時候都遇到過，因為現在互聯網上的資料太多了，浩如煙海，簡直讓人眼花繚亂，這是一件好事也是一件壞事。因為現在越來越多的資料開源了，人們獲取資料的途徑和方法就更多了。但是另一方面，這些資料良莠不齊，而且質量也沒法保證，受益的人群也不同。
對於小白來說，如果剛開始就看一些比較深的知識，很容易產生挫敗感。因此剛開始的話，我建議還是學習一些基礎的知識，類似於常識性的內容，比如說機器學習的分類，以及一些常用的評價指標等等。
至於資料的話，可以看看李航老師的《統計機器學習》，實戰的話可以找黃海關博士的GitHub,他將李航老師書中理論部分進行了代碼化，理論配合實踐，理解更加深刻。
如果這些都過了一遍的話，就可以著手深度學習了，吳恩達老師的課是很推薦的，不過吳恩達老師也有一門機器學習的課，裡面也會提到神經網路，講的很通俗易懂。同樣黃博GitHub裡面也有實踐的部分。另外的話，學習深度學習，不得不提到《深度學習》，這簡直就是深度學習領域的《九陽神功》啊，非常重量級的一本書，需要花很多的時間進行啃。
另外，在學習的過程中，需要學習1-2個深度學習框架，比較推薦的就是 Google 的 TensorFlow 和 Facebook 的 Pytorch 了，TensorFlow 推薦 TensorFlow 2.x 版本，很容易上手。
吳恩達 機器學習 上Coursera上面就能搜到，非常適合入門者學習
當然也推薦兩本書 一本是李航博士寫的《統計學習方法》，對學習機器學習的理解很有幫助
另一本是《deep learning》入門deep learning 看他就夠了，跟著上面的項目代碼多寫幾遍，也能對deep learning 有一個很好的理解。
今年上半年疫情期間，聽了北京大學曹健老師的網課，感覺不錯。
人工智慧實踐：Tensorflow筆記_北京大學_中國大學MOOC(慕課)?www.icourse163.org
曹老師的課很適合有些深度學習理論基礎，不知如何動手實踐的同學。
推薦閱讀：
