深度學習預備知識: 使用 Python 實做線性迴歸

Contents

這堂課是資料科學: 使用 Python 實作深度學習的先修課程，而且是機器學習相當重要的基礎，想要學習好機器學習，先練好基本功吧！

想要學習使用 Python 實作深度學習/機器學習，這個課程講師在課程說明有列出學習順序課程。

課程介紹影片

從這 6.5 小時的課程，你會學到

推導和求解線性迴歸模型，並將其是當地應用於資料科學問題
在Python中編寫自己的線性迴歸模型版本

規定為何？

如何使用微積分獲取導數
基本Python 程式設計

課程說明

本課程教你如何使用在機器學習，資料科學與統計中的一種流行技術：線性迴歸。我們從根本上包含了理論：解決方案的推導，以及對現實世界問題的應用。我們向你展示如何在 Python 中編寫自己的線性迴歸模組。

線性迴歸是你可以學習的最簡單的機器學習模型，但是有很多深度，你會在未來幾年回來使用它。這就是為什麼它是一個偉大的介紹課程，如果你有興趣在以下領域採取你的第一步：

深度學習
機器學習
資料科學
統計

在第一部分中，我將向你展示如何使用1-D線性迴歸證明摩爾定律是真的。

你說什麼？摩爾定律是非線性的？

你是對的！我將告訴你線性迴歸如何仍然可以被應用。

在下一節中，我們將把1-D線性迴歸擴展到任何維度的線性迴歸 – 換句話說，如何建立一個可以從多個輸入學習的機器學習模型。

我們將應用多維線性迴歸給予患者的年齡和體重去預測他/她們的血液收縮壓。

最後，我們將討論一些在執行數據分析時需要注意的實際機器學習問題，例如一般化( generalization )，過擬合( overfitting )，火車測試(train-test)拆分等等

本課程不需要任何外部材料。所有需要的東西（Python和一些Python程式庫）都可以免費獲得。

如果你是一個程式設計師，並且你想透過學習資料科學來提高你的程式設計能力，那麼這門課程是為你設計的。如果你有技術或數學背景，並且想知道如何應用你的技能成為軟體工程師或“駭客”，本課程可能是有用的。

本課程重點介紹“如何建造和理解”，而不僅僅是“如何使用”。任何人都可以在閱讀一些文件後的15分鐘內學會如何使用 API。這不是關於“記住事實”，而是關於透過實驗“讓自己理解”。它將教你如何將模型內部中發生了什麼事視覺化。如果你想要的不僅僅是膚淺地看機器學習模型，這個課程是為你設計的。

註記:

所有這個課程的程式碼可以從我的github /lazyprogrammer / machine_learning_examples目錄下：linear_regression_class 下載

確定你總是使用 “git pull ”，所以你會有最新的版本！

你已經具備困難的前提條件/知識：

微積分
線性代數
機率
Python 程式設計 : if/else, loops, lists, dicts, sets
Numpy 程式設計 : 矩陣和向量操作，載入一個 CSV 檔案

小技巧（為了完成課程）：

使用 2x 倍速觀看
採取手寫筆記。這將大大提高您保留資訊的能力。
在討論板上提出很多問題。越多越好！
意識到大多數練習需要幾天或幾週才能完成。

修課順序

查看講座 “ What order should I take your courses in?” （可在我的任何課程的附錄中找到，或請參考先修課）

目標受眾為何?

對資料科學，機器學習，統計和人工智慧感興趣的人
想要一個對這個主題簡單介紹的資料科學新鮮人
希望透過進入技術的趨勢領域，資料科學，提升他/她們的職業生涯
自學的程式設計師想要提高自己的電腦科學理論技能
想要了解統計數據最常用演算法之一背後的理論基礎的分析專家

講師簡介

Lazy Programmer Inc. 資料科學家和大數據工程師

我是一名資料科學家、大數據工程師和全端軟體工程師。

我有電腦工程的碩士，專長為機器學習和模式辨識。

我曾在網路廣告和數位媒體企業擔任過資料科學家和大數據工程師，圍繞所謂的資料建構各種高流量的 web 服務。我曾經使用 Hadoop / Pig / MapReduce 創建新的大數據管道，也曾建立機器學習模型來預測點擊率，使用線性迴歸、Bayesian Bandits 和協同過濾 ( collaborative filtering )建立新聞推薦系統，並使用A / B測試驗證結果。

我曾在大學部與研究所教授資料科學、統計學、機器學習、演算法、微積分、電腦圖學和物理學，任職的學校如哥倫比亞大學、紐約大學、Hunter 學院和 The New School。

有多家企業已從我的 Web 程式設計專業知識中受益。我做所有的後端(伺服器)、前端（HTML / JS / CSS）和運營/佈署工作。我使用的技術包含：Python、Ruby / Rails、PHP、Bootstrap、jQuery（Javascript）、Backbone 和 Angular。至於儲存/資料庫，我採用 MySQL、Postgres、Redis、MongoDB等。