深度学习预备知识:Python 程序库 Numpy 使用教学

这堂课是数据科学: 使用 Python 实作深度学习的先修课程,教你如何使用 Python Numpy 程序库。

想要学习使用 Python 实作深度学习/机器学习,这个课程讲师在课程说明有列出学习顺序课程。

繁體中文課程介紹

从这 3 小时的课程 ,你会学到

  • 了解使用 Numpy 程序库编程
  • 利用 Numpy,Scipy,Matplotlib 和 Pandas 来实现数值算法

规定为何?

课程说明

欢迎!这是深度学习,机器学习和数据科学预备知识:Python 的扩充程序库 Numpy

我经常得到许多人们想要学习深度学习和数据科学关心的一个问题,他/她们参加了这些课程,但是他/她们进度落后了,因为他们对于 Numpy 程序库的了解不足够,以将这些概念转换为代码。

即使我是全职在写程序,如果不了解 Numpy,那么它的代码仍然很难阅读。

本课程目的在消除这个障碍 – 以展示如何使用 Numpy 扩充程序库做深入学习和数据科学中经常需要的事情。

那么这些东西是什么?

Numpy。这形成了一切的基础。Numpy中的中心对象是Numpy 数组,你可以在其上进行各种操作。

关键是Numpy 数组不仅仅是一个在Java或C ++语言中看到的一般数组,而是像是一个数学对象例如一个矢量或是一个矩阵。

这意味著你可以进行矢量和矩阵操作,如加法,减法和乘法。

Numpy 数组的最重要的部分是它们针对速度进行了优化。所以我们要做一个演示,我向你证明,使用Numpy矢量化操作比使用Python列表更快。

然后,我们将看一些更复杂的矩阵运算,如乘积,反转,决定因子和求解线性系统。

Pandas。Pandas是伟大的,因为在引擎盖下它做了很多事情,这让你的生活更轻松,因为你之后不需要再手动编写这些东西。

Pandas 使得处理数据组很像 R,如果你熟悉 R 的话.

R和Pandas中的中心对象是DataFrame。

我们将看看使用Pandas加载数据组比试图手动加载更容易。

然后,我们将看一些 DataFrame 操作,例如按字段过滤,按行过滤,apply 函数和 joins,joins 看起来很像 SQL joins 功能。

所以如果你有使用过 SQL 背景,你会喜欢使用 tables,然后 Pandas 将是下一个主要的东西需要学习。

由于 Pandas 教我们如何加载数据,下一步就是查看数据。为此,我们将使用 Matplotlib

在本节中,我们将讨论一些常见的图表,即折线图( line chart ),散点图( scatter plot )和直方图 ( histogram )。

我们还会看看如何使用 Matplotlib 显示图像。

99%的时间,你将使用以上的图表形式。

Scipy.

我喜欢Scipy作为Numpy的增益程序库。

鉴于 Numpy 提供了基本的建构区块( building blocks ),如矢量,矩阵和对它们的操作,Scipy使用那些一般的建构区块( building blocks )来做特定的事情。

例如,Scipy可以进行许多常见的统计计算,包括获取PDF值,CDF值,从分布中采样,以及统计测试。

它有信号处理工具,所以它可以做回旋( convolution )和傅里叶变换。

总结:

如果你参加了深度学习或机器学习课程,并且你理解了这个理论,你可以看到代码,但是你无法将这些算法变成实际运行的代码之间的连接,这个课程是为你设计的。

所有这个课程的代码可以从我的github /lazyprogrammer/machine_learning_examples目录numpy_class 下载

确定你总是使用 “git pull ”,所以你会有最新的版本!

你已经具备困难的前提条件/知识:

  • 微积分
  • 线性代数
  • 机率
  • Python 编程 : if/else, loops, lists, dicts, sets

小技巧(为了完成课程):

  • 使用 2x 倍速观看
  • 采取手写笔记。这将大大提高您保留信息的能力。
  • 在讨论板上提出很多问题。越多越好!
  • 意识到大多数练习需要几天或几周才能完成。

有用的课程顺序

讲师简介  

Lazy Programmer Inc  数据科学家和大数据工程师

我是一名数据科学家、大数据工程师和全端软件工程师。

我拥有计算机工程硕士学位,专门从事机器学习和模式 ( pattern ) 识别。

我曾在网络广告和数字媒体担任过数据科学家和大数据工程师,围绕所述的数据构建各种高流量的 web 服务。我曾经使用 Hadoop / Pig / MapReduce 创建了新的大数据管道,也曾创建了机器学习模型来预测点击率,使用线性回归、Bayesian Bandits 和协作筛选创建新闻推荐系统,并使用A / B测试验证结果。

我在大学与研究所如哥伦比亚大学、纽约大学、Humber College 和 The New School 教过 数据科学、统计学、机器学习、算法、微积分、电脑图学和物理学。

多家企业已经从我的 Web 编程专业知识中受益。我做所有的后端(服务器)、前端(HTML / JS / CSS)和操作/布署工作。我使用的一些技术是:Python、Ruby / Rails、PHP、Bootstrap、jQuery(Javascript)、Backbone 和  Angular。至于保存/数据库,我使用MySQL、Postgres、Redis、MongoDB 等。

英文字幕:有

  • 想要了解如何将英文字幕自动翻译成中文? 请参考这篇 How-To

课程网址 [免费課程]

980086_196d_2

Sponsored by Udemy

 欢迎使用e-mail订阅 Soft & Share 

发表评论

Powered by WordPress.com.

Up ↑

%d 博主赞过: