<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??碼云GVP開源項目 12k star Uniapp+ElementUI 功能強大 支持多語言、二開方便! 廣告
                # 為什么要進入機器學習? > 原文: [https://machinelearningmastery.com/why-get-into-machine-learning/](https://machinelearningmastery.com/why-get-into-machine-learning/) ## _ 發現你的個人原因和 _ _ 終于搞砸 _ 在這篇文章中,我們將探討您對機器學習感興趣的原因。 我們將看一些可以幫助您了解吸引您到現場的根本問題。 我們將完成一個顯示 4 個主要“_ 為什么 _”的地圖,以便您確定適合的位置和目標資源。 ## 問你的原因 你為什么對機器學習感興趣?你有沒有深入考慮過這個問題? 了解原因很有用,因為您可以將其用作過濾器,以便最好地選擇您喜歡的項目和任務。如果你不能明白為什么,那也可能有用,因為它可以激勵你嘗試一堆不同的東西,找出你喜歡或想做的事情。 出于很多原因,您可能會被機器學習所吸引。也許您正在回應有關大數據和數據科學的媒體和新聞文章。也許你已經看到了工具或朋友的機器學習的一瞥,你認為它很酷。可能有很多原因,但學習機器學習是一項艱苦的工作。要有信心和堅持不懈地研究困難和令人沮喪的部分,你會想要有一個強大的原因可以依靠。 我將提出一些修辭問題,我希望你能夠思考(甚至寫下)你的答案,看看哪一個最適合你。一個問題并不比另一個更好 - 保持開放的心態。 ## 您希望機器學習為您做什么? ### 解決問題 你有一個問題,你認為機器學習可以解決? 也許這是一個開放的業務問題或工作中的問題。也許這是你在市場上看到的機會。然而,您正在考慮將機器學習作為學習和應用于問題的工具。 在這種情況下,您可能有興趣學習提供可以快速使用的算法實現的工具。您也很可能對使用這些工具的創造性方法感興趣,例如對您想要解決的問題等問題進行案例研究。 ### 技術成就 學習機器學習是成就的標志嗎? 也許機器學習是一個受歡迎的技術領域,你會因為學習新的和困難的技術和工具而感到非常自豪。也許您將機器學習視為您的下一個重大挑戰和增長機會,并有機會展示您學習和掌握技術材料的能力。 如果這聽起來像你,你可能會對算法書感興趣,你可以快速跟蹤對方法的理解以及如何使用它而無需深入研究最新的研究。您也很可能有興趣自己完成課程,參加比賽和實施算法。 ## 你想用機器學習做什么? ### 擴展領域 您是否已經擁有一些機器學習經驗,并希望擴展可能的范圍? 也許你已經在機器學習,讀書或完成課程。你找到了一個你不能放下的問題或方法,你不僅想要深入研究這種方法,而且你想要突破那種方法可以做的事情,并且已經證明能夠做到這一點。 。 如果這敲響了鐘聲,您可能會對該主題的深層主題感興趣,例如研究論文和專著。您可能也非常有興趣聽取有關該主題的專家意見以及邊界邊緣的確切位置。 ### 做以前不可能做的事 您有一些機器學習的經驗,并且您擁有一些領域專業知識,并且您希望在您的域中執行在沒有機器學習的情況下無法實現的事情。這些不一定是上面“解決問題”部分中提到的那些問題,而是使用機器學習提供的經驗和功能擴展域。 您將對從數據挖掘到模式自動發現的方法感興趣。您也很可能對類似領域中機器學習方法所做的發現和擴展的案例研究感興趣。 ## 機器學習地圖 這完全是對該領域的簡化,但我們可以根據我們想要做的工作類型來分類學習機器學習的動機。我們可以將我們想要做的工作類型分類為解決機器學習或其他領域的問題。您可以將任務類型分類為從業者的任務和研究人員的任務。 我試圖在表格中捕獲此摘要,請參閱下文。 該表按域分為兩行:_ 機器學習 _ 和 _ 其他 _ 域的域(如分析化學,石油開采或運輸分析)。該表按角色分為兩列:_ 從業者 _ 和 _ 研究員 _。每個框都有該域 - 角色交集的任務類型,_ 解決問題 _ 或 _ 擴展字段 _。表格中的每個單元格列出了對該任務感興趣的人可能感興趣的資源類型。 [![Why get into machine learning](img/7d8913d78150b9b47a058d58b5487c44.jpg)](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2013/11/Why-get-into-machine-learning.png) 地圖顯示了進入機器學習的 4 個原因。 每個單元格都可以被認為是激勵您更多地了解機器學習的原因,而資源列表可以幫助您實現這一目標。 這只是削減餡餅的一種方式,但我已經冥想了幾個星期了。我在分組上努力工作,我很想知道你對它的看法,請發表評論。我很想讓一些專業人士開始挖洞,這樣我們就可以看到這個模型的優點和局限性(所有模型都是錯誤的,只是程度問題)。 請發表評論,讓我知道您的原因在哪里以及您認同的內容。 我要感謝我的妻子幫助我思考并將其全部映射到白板上。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看