1樓：王一鳴
python不難，最大的問題不是python,是基礎數學和演算法方面的東西。學習python的使用一周就夠了，剩下的就是學習怎麼調包。
2樓：木木
看起來你是非IT專業的，只要解決自己專業的問題應該就足夠了。
畢竟機器學習的領域比較龐大，從解決專業問題開始，這樣針對性更強，遇到什麼問題就去查資料。
面向問題學習、邊動手邊學習，不斷積累。其實並不難~加油`
3樓：例項
Python的學習資料，網上隨便搜都是大把的
不過那些基本上沒什麼乾貨
好的學習資料是系統的，全面的
從實戰例子，到工具到原始碼，都全面的很
片面的學習，你肯定是學不好的
而且，大多數資料都是一堆理論的東西，給你看幾次，就沒了興趣了
我這裡有很多真正的實戰專案資料，有需要的可以找我來拿
參考下圖找我
public void calc()
double resultPositive;
double resultNegative;
double resultUnsure;
resultPositive = priorPositive * allBackPos;
resultNegative = priorNegative * allBackNeg;
resultUnsure = priorUnsure * allBackUns;
System.out.println("積極：" + resultPositive);
System.out.println("消極：" + resultNegative);
System.out.println("不確定：" + resultUnsure);
}//解析出文章中的詞語，並且對映上頻數
public void calcFreauency(Map wordMap,File article)
}public void setWordMap(Element tok,Map wordMap)
4樓：Fquant量化投資
既然都快研究生了，要利用python進行機器學習。應該：
第一、把理論基礎搞清楚。機器學習中基礎的有人工神經網路和支撐向量機等方法，雖然說不要求把數學完全推導一遍，但基本的思路一定要掌握。特別是要掌握應用過程中的場景。
即對於某個問題，如信用識別問題中，到底有哪些方法可以解決這個問題？這些方法的差異是什麼？哪個方法對這個問題或者這種資料效果最好？
第二、在學習理論的同時，一定要練習，兩者可以同步進行。即利用python進行問題處理。如機器學習相關問題可練習kaggle和datacastle中的競賽題。
直接拿到題思考應該如何做。
第三、當然也需要參考相關機器學習方面的圖書資料。
研發人工智慧需要用大量資料對其進行訓練嗎？
Barry One 從目前最火的深度神經網路為栗子，講述這個問題 關鍵概念如下 1.神經單元 具有興奮和平靜兩個狀態。當神經元指標大於閾值，會產生興奮狀態，並向其他神經元發出能夠提高其指標的 遞質 演算法通過sigmoid函式結合閾值的方法產生階躍函式。2.感知機 通過神經單元組成的簡單邏輯運算結構...
準研一，導師讓學習python與keras tensorflow，是否先學習機器學習？
廣東沙麵 這個要看你研究的層次。如果要做演算法的研究，那自然得學習機器學習的理論，不能停留在應用商業軟體上。但是碩士生普遍不會做很理論的課題，大部分的課題就是工業應用，解決生產需求，用Keras比自己研究機器學習做出來的效果強上幾千倍了，畢竟這種框架可是幾千人集體貢獻的成果。所以，多去看看應用案例，...
筆記本沒有串列埠，學微控制器需要用到串列埠，怎麼解決，有產品推薦嗎？
zkk 筆記本的都是usb介面，與微控制器的串列埠，兩者是不同的。需要使用usb ttl模組轉換，這樣就可以使用微控制器的串列埠與電腦通訊 JOKer 筆記本有usb插口就能使用串列埠，而且學習串列埠並不一定要用電腦的串列埠，兩個微控制器也能由串列埠連線，互相收發資料，電腦的串列埠常常用來做為除錯使...