1樓：大江東去
估計樓主早都入門機器學習了，那就給其他人參考吧。
現在這個年代，直接學習深度神經網路，也是一種不錯的選擇，例如1）卷積神經網路
卷積神經網路，尤其是AlexNet，開啟了人工智慧的新紀元。
卷積神經網路
2）深度殘差網路
深度殘差網路在跨層恒等通路的幫助下，可以很輕鬆地得到訓練。
深度殘差網路
3）深度殘差收縮網路
深度殘差收縮網路[1]
[2]在自適應軟閾值化的作用下，可以在一定程度上消除冗餘雜訊的影響。
（面向強噪、高冗餘資料的）深度殘差收縮網路
2樓：碳烤松子
大一結束暑假，CS229剛開始看
課程的notes看起來感覺不錯，主要是有比較好的數學推導過程，比起coursera直接拋公式對我這種愛刨根兒的真是舒服得多233 數分和線代大一上完了問題就不大，但是目前只有高考概率知識水平看著就稍微有點費勁，邊看邊補補，也算是預習概率論的內容了。
如果大一就懟這個課可能會有比較大障礙。
3樓：荷馬全
1. 學好英文，看原始資料
2. 去https://www.
kaggle.com
做實際的專案
3. 去把機器學習，人工智慧大牛的名字記住，follow他們的進展
4樓：
看了一篇文章，說的大意就是：數學推演這種極具靈性的思維過程是不應該被調參所替代的，也在近期內無法被替代。我的建議是把基礎課學好，把基本的數學基礎打紮實。
數學功底強的人上手機器學習理論不費吹灰之力。基礎一定要紮實，不要盲目跟風。
5樓：
看Elements of Statistical Learning，如果發現看不懂就去補相應知識（找初級教程或者公開課）。
6樓：龍睛
多上數學課，學好數學課，拿出高中學習的狀態來。多學c++ python ，多用他們程式設計。基礎打紮實太重要了。切忌浮躁，切忌浮躁。
7樓：王小於
大一，還是先好好學高等代數，數學分析，線性代數，概率論與數理統計吧這些真的是基礎，基礎不牢，地動山搖。最起碼會一種程式語言吧。
8樓：
機器學習對本科生來說時間是蠻緊的，因為企業可以招碩士機器學習的，憑什麼要招你本科生？如果你真要走這條路，旁門左道可以短期有效，但是最終還是要學相關數學，力爭畢業時達到或者接近碩士水平才有足夠的競爭力。這個過程顯然更適合考研的同學。
而不適合四年就畢業的本科生。不然很有可能從入門到放棄。但大V陳然也說了：
淺嚐則止留個念想也不錯。
9樓：Walle
給自己的回答做個廣告，如果想系統的學習機器學習，我的經歷給你作為參考，大一的學生還有很多時間，加油！工作後想換機器學習方向，需要學到什麼程度去找工作？ - 知乎
10樓：
我的建議是，一上來最好先不要看艱深的數學理論，而是看看入門性的介紹文章，了解一下行業發展，然後在網上找幾個資料集，用開源庫跑一跑找點感覺。建議學學python跑sklearn，一來語言簡單，二來庫功能強大，三來python在機器學習領域非常流行。通過這個過程你可以對整個行業有個大概的了解，同時通過動手培養興趣，跑出了結果也能帶來成就感。
然後試著自己寫演算法然後優化，等數學基礎跟上來了再繼續加深。
當然另一邊基礎課肯定也得好好學，這個也急不來，反正都是必修也跑不掉。這些我就不多說了，反正我數學也不好，看著原理和公式推導就頭疼。
11樓：
重點還是把數學基礎夯實吧，僅僅本科的那點數學知識，也許只會用機器學習的現存的演算法，但要走得更高更遠，還是要把數學作為主要的修煉內功。《圖論》、《優化》、《高等統計》、《隨機過程》、《矩陣分析》 ....
至於機器學習，建議在數學基礎差不多了，就可以看看Bishop的那本書，雖然是2023年版的，但真的很經典。
建議要養成看英文教材文獻的習慣，不要看中文書籍了。
12樓：
強答下，建議大一打好數學基礎，《線性代數》，《微積分》，《概率論》，《資訊理論》這些基礎課學好，先不要著急看《機器學習》方面的書
13樓：abcxyz
保證持續學習下去，乙個比較好的方式是有乙個持續的正向反饋。
這個主要來自實際應用，機器學習目前的門檻很低，不需要什麼數學知識就能應用，當然如果想深入學習，數學還是要的。
所以你可以先應用起來，基礎性的知識可以在不斷應用中持續學習。
如果沒有找到好的應用的地方，可以去參加比賽。比如kaggle
14樓：Dylan
一般大三都會有機器學習和資料探勘的課，直接去蹭就好了。價效比高呀，既可以認識師兄師姐和老師(一般會給你點幫助)，又可以有乙個短期的目標。
15樓：
機器學習對數學的基礎要求非常高，從我個人的經驗，理工科本科畢業將近10年了，在校期間數學方面成績還可以，但是在目前的學習當中還是專門花時間把原來的知識又複習了一遍。
當然，在大學期間時間還是相對比較充裕的，如果實在想提前籌畫，在學有餘力的情況下去coursera、Udacity、網易公開課學習一下相關的課程也是可以的。
16樓：陳然
如果是想系統性地學習機器學習，我認為良好地數學基礎是必不可少的，因此，可以提前把相關數學課程學完，比如微積分、離散數學、概率與統計，再開始學習機器學習比較合適。
經常有人糾結地問我大幾應該學什麼，我也只能糾結的回答這個跟大幾沒有關係。知識就像技能樹，你要點高階技能，就要把低階技能點滿，這個跟你何時點沒有關係。
至於如果快速攀科技，跳級選課可以，自己在網上找公開課也可以。只要有自學能力，花上足夠的時間，這些都不是問題。一門課程按16周每週12小時算就是大約200小時，時間花到了，技能就得到了。
當然，如果只是想看看從入門到放棄，淺嚐則止留個念想也不錯。@陳然
大一學生如何規劃學習計算機？
Undo 同電子資訊工程專業。現在實習web開發中，既然想學計算機相關，就走自學路線吧。這個專業教不了你什麼的。我提兩點建議吧 1.想從事嵌入式開發方向，就繼續學下去吧。學習是不能指望別人能教你多少的。一般學校的嵌入式相關課程在大三時候才開，建議你大二就要開始自學吧。嵌入式方向的程式設計公司招人的時...
大一電腦科學與技術學生 如何提公升自己呢
林錦堅 大一以及之後大二大三先好好打基礎，不要著急學很多高大上的技術，英語水平要保持甚至提高，數學是重中之重，把微積分，代數，統計等知識打牢固，程式語言把c或者cpp，python學精學熟練，演算法方面，把資料結構與演算法設計等知識結構要常拿捏在手，刷一刷力扣，然後去多參加一些程式設計比賽，比如AC...
大一計算機學生，如何自學成為一名前端開發工程師？
嘴哥 在打算從事前端開發之前，可以先問問自己為什麼要做web前端開發。在真正確定並想清楚後，可以先打好基礎，主要是演算法，資料結構，網路等，然後學習前端的相關知識並在專案中實踐，鍛鍊和培養自己的解決問題與分析問題的能力。關於是否真的打算從事前端開發，可以看看這篇文章 看到這個問題，我就想起了國內現在...