大家有没有合适的机器学习或者深度学习课程推荐？
大家好，我想实现输入特征数为3，预测输出数为120的功能。输入和输出都是连续变化的。有没有课程推荐啊，我看了吴恩达老师的机器学习，现在看完了神经网路部分，讲的是真的好，但是内容大部分是分类问题，我想解决的是回归问题。请大家推荐一下课程，最好顺便推荐一下实战课程，比如说哪个讲Keras的课程包括这个内容，因为我是想实际应用，谢谢大佬们！
看吴恩达的深度学习课程就可以入门了，最好的课程。
李航《统计机器学习》和Goodfellow的《Deep Learning》入门千万不要看。
吴恩达的课程，可在B站，网易云课堂找到。
书籍，周志华《机器学习》和李航《统计机器学习》。
推荐：《菜菜的机器学习sklearn课堂》
菜菜的机器学习sklearn课堂 - CDA人工智慧学院 - 数据科学与人工智慧从业者的在线大学_AIU人工智慧学院_经管之家_CDA数据分析师旗下?edu.cda.cn
简介：十一周sklearn课程，让菜菜带你认识sklearn，带你深入浅出地探索演算法的神秘世界。我会为你解读sklearn中的主流演算法，带你处理数据，调整参数，完善演算法，调用结果。我会为你解析参数，助你理解演算法原理，也会带你遍历案例，带你实战给你刷经验。十一周之后，人人都能够三行实现演算法，实现少加班，多钻研，在数据行业乘风破浪的目标，为成为优秀的数据挖掘工程师打下坚实的基础~
我自己安排的一个学习路径，希望对你有用
loading...?share.mubu.com看这里哦，黑马程序员全新13天机器入门学习教程！耗费两个月完成，想要系统学习机器的小伙伴们一定不要错过哦！
黑马程序员2021重磅推出人工智慧入门教程！13天视频教程包含机器学习精讲+14大案例（NBA球员数据分析，北京租房数据，疾病数据预测等等）
Python人工智慧13天快速入门机器学习教程
在线观看地址：
黑马程序员2021必看教程之人工智慧入门，13天的机器学习入门精讲+14大案例分析（含NBA球员数据分析，租房数据统计分析，疾病数据分析等）_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili?www.bilibili.com
全部视频免费下载
Python人工智慧13天快速入门机器学习教程?yun.itheima.com
学习本课程，你将会有以下收获：
可掌握核心能力：1、掌握机器学习中处理数据的方法2、理解经典的机器学习演算法原理3、掌握机器学习中工作的具体流程课程内容：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数学7. 熟悉KNN演算法实现过程及其原理8. 熟悉线性回归演算法实现过程及其原理9. 熟悉逻辑回归演算法实现过程及其原理10. 熟悉决策树演算法实现过程及其原理11. 熟悉朴素贝叶斯演算法实现过程及其原理12. 熟悉SVM演算法实现过程及其原理13. 熟悉HMM演算法实现过程及其原理
14. 熟悉集成学习基本分类以及经典演算法15. 熟悉xgboost、lightGBM演算法实现过程及其原理课程介绍来源于官方简介哦
深度学习：3天带你玩转Python深度学习
完整视频：
3天带你玩转Python深度学习?yun.itheima.com配套资料：https://pan.baidu.com/s/1632KvuyimsBsAWAQ1mOwZQ 提取码：94hm
该阶段是深度学习的入门课程，主要介绍经典的深度学习框架TensorFlow的使用，IO操作，以及神经网路基础、卷积神经网路的相关知识，并用卷积神经网路原理搭建、设计自己的网路，实现对验证码图片内容的识别。
两小时快速入门深度学习
两小时快速入门深度学习?yun.itheima.com
【主讲内容】
1.了解深度学习就业岗位的基本要求和技能。
2.理解人工智慧当下研究方向与应用。
3.理解基于Tensorflow框架的深度学习开发实践流程。
4.手动实践完成神经网路的搭建及训练。
博士高能AI课，无基础入门到精通深度学习?yun.itheima.com发布于 01-06继续浏览内容
知乎发现更大的世界打开
Chrome继续
贤贤贤自然语言处理，深度学习，机器学习，软体工程贪心课堂
贪心课堂
都看完神经网路部分了，还觉得学的都是分类，没办法解决你的回归问题。哪怕被折叠，我也要说你是白看了。
推荐这个视频课，B站上的机器学习白板系列
【机器学习】白板推导系列(三十五) ～ 强化学习之动态规划_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili
B站上白板机器学习第二个视频里介绍的比较全
我推荐看李宏毅的机器学习课，看完之后再看统计学习方法。再看深度学习。
建议看周志华老师的《机器学习》和李航老师的《统计学习方法》。数学基础不太好的话就先看第一本，每本认认真真看三遍，有不懂的弄明白，然后你的机器学习知识体系就可以建立起来了。之后遇到任何问题就可以很快找到解决方法。
你在bilibili.com,搜「同济子豪兄」，里面有他用中文讲解的斯坦福公开课，如果做图像，特别推荐」斯坦福CS231N」
可以看看书，课程很难有实操的
输入输出特征为3和120是比较少见的，与一般模型是相反的，需要大量的数据进行训练。不太会针对这个小众需求专门有课，也没有必要，标准的方法先试试。
回归比分类更简单，最后一层不用sigmoid就好了。
aiking2019：人工智慧零基础入门指南(2020)?zhuanlan.zhihu.com
建议先了解学习路径，先结合自己的实际情况。
机器学习建议斯坦福大学吴恩达教授的CS229，在coursera上有公开课程。如果原版的看不了可以去网易云课堂看带字幕的。
有机器学习基础的话可以看同为斯坦福的CS231深度学习课程，在斯坦福官网有对应章节的笔记，知乎也有翻译版本的笔记，可以自己搜一下。
然后推荐一本深度学习的书，被称为深度学习领域的圣经。搜一下 「深度学习 花书」可以找到。至于看原版还是中文版看你自己英语水平，建议能看原版还是看原版。
我觉得这个问题应该很多人在刚开始入门的时候都遇到过，因为现在互联网上的资料太多了，浩如烟海，简直让人眼花缭乱，这是一件好事也是一件坏事。因为现在越来越多的资料开源了，人们获取资料的途径和方法就更多了。但是另一方面，这些资料良莠不齐，而且质量也没法保证，受益的人群也不同。
对于小白来说，如果刚开始就看一些比较深的知识，很容易产生挫败感。因此刚开始的话，我建议还是学习一些基础的知识，类似于常识性的内容，比如说机器学习的分类，以及一些常用的评价指标等等。
至于资料的话，可以看看李航老师的《统计机器学习》，实战的话可以找黄海关博士的GitHub,他将李航老师书中理论部分进行了代码化，理论配合实践，理解更加深刻。
如果这些都过了一遍的话，就可以著手深度学习了，吴恩达老师的课是很推荐的，不过吴恩达老师也有一门机器学习的课，里面也会提到神经网路，讲的很通俗易懂。同样黄博GitHub里面也有实践的部分。另外的话，学习深度学习，不得不提到《深度学习》，这简直就是深度学习领域的《九阳神功》啊，非常重量级的一本书，需要花很多的时间进行啃。
另外，在学习的过程中，需要学习1-2个深度学习框架，比较推荐的就是 Google 的 TensorFlow 和 Facebook 的 Pytorch 了，TensorFlow 推荐 TensorFlow 2.x 版本，很容易上手。
吴恩达 机器学习 上Coursera上面就能搜到，非常适合入门者学习
当然也推荐两本书 一本是李航博士写的《统计学习方法》，对学习机器学习的理解很有帮助
另一本是《deep learning》入门deep learning 看他就够了，跟著上面的项目代码多写几遍，也能对deep learning 有一个很好的理解。
今年上半年疫情期间，听了北京大学曹健老师的网课，感觉不错。
人工智慧实践：Tensorflow笔记_北京大学_中国大学MOOC(慕课)?www.icourse163.org
曹老师的课很适合有些深度学习理论基础，不知如何动手实践的同学。
推荐阅读：
