Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ml-mastery-zh
提交
c1d2bc4e
M
ml-mastery-zh
项目概览
OpenDocCN
/
ml-mastery-zh
10 个月 前同步成功
通知
2
Star
556
Fork
158
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-mastery-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
c1d2bc4e
编写于
12月 15, 2021
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2021-12-15 22:41:29
上级
6b05d332
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
28 addition
and
28 deletion
+28
-28
docs/ml-start/SUMMARY.md
docs/ml-start/SUMMARY.md
+28
-28
未找到文件。
docs/ml-start/SUMMARY.md
浏览文件 @
c1d2bc4e
+
[
Machine Learning Mastery 机器学习入门教程
](
README.md
)
+
[
机器学习入门的四个步骤:初学者入门与实践的自上而下策略
](
4-steps-to-get-started-in-machine-learning.md
)
+
[
你应该
训练
的 5 个机器学习领域
](
5-machine-learning-areas-you-should-be-cultivating.md
)
+
[
你应该
专注
的 5 个机器学习领域
](
5-machine-learning-areas-you-should-be-cultivating.md
)
+
[
一种选择机器学习算法的数据驱动方法
](
a-data-driven-approach-to-machine-learning.md
)
+
[
机器学习中的
分
析与数值解
](
analytical-vs-numerical-solutions-in-machine-learning.md
)
+
[
机器学习中的
解
析与数值解
](
analytical-vs-numerical-solutions-in-machine-learning.md
)
+
[
应用机器学习是一种精英统治
](
applied-machine-learning-is-a-meritocracy.md
)
+
[
机器学习的基本概念
](
basic-concepts-in-machine-learning.md
)
+
[
如何成为数据科学家
](
become-data-scientist.md
)
+
[
初学者如何在机器学习中
弄
错
](
beginners-get-it-wrong.md
)
+
[
初学者如何在机器学习中
犯
错
](
beginners-get-it-wrong.md
)
+
[
机器学习的最佳编程语言
](
best-programming-language-for-machine-learning.md
)
+
[
构建机器学习
组合
](
build-a-machine-learning-portfolio.md
)
+
[
构建机器学习
项目库
](
build-a-machine-learning-portfolio.md
)
+
[
机器学习中分类与回归的区别
](
classification-versus-regression-in-machine-learning.md
)
+
[
评估自己作为数据科学家并利用结果建立惊人的数据科学团队
](
data-science-skills-simple-method-can-use-evaluate-use-results-build-amazing-data-science-teams.md
)
+
[
像数据科学家一样评估自己
](
data-science-skills-simple-method-can-use-evaluate-use-results-build-amazing-data-science-teams.md
)
+
[
探索 Kaggle 大师的方法论和心态:对 Diogo Ferreira 的采访
](
discover-the-methodology-and-mindset-of-a-kaggle-master-an-interview-with-diogo-ferreira.md
)
+
[
扩展机器学习工具并展示
掌握
](
extend-machine-learning-tools.md
)
+
[
扩展机器学习工具并展示
熟练度
](
extend-machine-learning-tools.md
)
+
[
通过寻找地标开始机器学习
](
find-machine-learning-landmarks.md
)
+
[
温和地介绍预测性建模
](
gentle-introduction-to-predictive-modeling.md
)
+
[
预测性建模的温和简介
](
gentle-introduction-to-predictive-modeling.md
)
+
[
通过提供结果在机器学习中获得梦想的工作
](
get-dream-job-machine-learning-delivering-results.md
)
+
[
如何开始机器学习:自学蓝图
](
get-started-machine-learning.md
)
+
[
开始并在机器学习方面取得进展
](
get-started-make-progress-machine-learning.md
)
+
[
应用机器学习的 Hello World
](
hello-world-of-applied-machine-learning.md
)
+
[
初学者如何使用小型项目开始机器学习并在 Kaggle 上
进行竞争
](
how-a-beginner-used-small-projects-to-get-started-in-machine-learning-and-compete-on-kaggle.md
)
+
[
我如何开始机器学习?
(简短版)
](
how-do-i-get-started-in-machine-learning.md
)
+
[
初学者如何使用小型项目开始机器学习并在 Kaggle 上
打比赛
](
how-a-beginner-used-small-projects-to-get-started-in-machine-learning-and-compete-on-kaggle.md
)
+
[
我如何开始机器学习?(简短版)
](
how-do-i-get-started-in-machine-learning.md
)
+
[
我是如何开始机器学习的
](
how-i-got-started-in-machine-learning.md
)
+
[
如何在机器学习中取得更好的成绩
](
how-to-get-better-at-machine-learning.md
)
+
[
如何从在银行工作到担任 Target 的高级数据科学家
](
how-to-go-from-working-in-a-bank-to-hired-as-senior-data-scientist-at-target.md
)
+
[
如何学习任何机器学习工具
](
how-to-learn-any-machine-learning-tool.md
)
+
[
使用小型目标项目深入了解机器学习工具
](
investigate-machine-learning-tools.md
)
+
[
获得付费申请机器学习
](
ladder-approach-to-becoming-a-machine-learning-consultant.md
)
+
[
映射机器学习工具的景观
](
list-machine-learning-tools.md
)
+
[
应用机器学习获得回报
](
ladder-approach-to-becoming-a-machine-learning-consultant.md
)
+
[
机器学习工具概览
](
list-machine-learning-tools.md
)
+
[
机器学习开发环境
](
machine-learning-development-environment.md
)
+
[
机器学习
金
钱
](
machine-learning-for-money.md
)
+
[
程序员的机器学习
](
machine-learning-for-programmers.md
)
+
[
机器学习
与赚
钱
](
machine-learning-for-money.md
)
+
[
面向
程序员的机器学习
](
machine-learning-for-programmers.md
)
+
[
机器学习很有意思
](
machine-learning-is-fascinating.md
)
+
[
机器学习是 Kaggle 比赛
](
machine-learning-is-kaggle-competitions.md
)
+
[
机器学习现在很受欢迎
](
machine-learning-is-popular.md
)
+
[
机器学习掌握
方法
](
machine-learning-mastery-method.md
)
+
[
掌握机器学习的
方法
](
machine-learning-mastery-method.md
)
+
[
机器学习很重要
](
machine-learning-matters.md
)
+
[
机器学习 Q
& A:概念漂移,更好的结果和学习更快
](
machine-learning-qa-concept-drift-better-results-and-learning-faster.md
)
+
[
缺乏自学机器学习
的路线图
](
machine-learning-roadmap-your-self-study-guide-to-machine-learning.md
)
+
[
机器学习 Q
&A:概念漂移,更好的结果和更快的学习
](
machine-learning-qa-concept-drift-better-results-and-learning-faster.md
)
+
[
自学机器学习的失落
的路线图
](
machine-learning-roadmap-your-self-study-guide-to-machine-learning.md
)
+
[
机器学习很重要
](
machine-learning-that-matters.md
)
+
[
快速了解任何机器学习工具(即使您是初学者)
](
machine-learning-tool-templates.md
)
+
[
机器学习工具
](
machine-learning-tools.md
)
+
[
找到你的机器学习部落
](
machine-learning-tribe.md
)
+
[
机器学习在一年
](
machine-learning-year.md
)
+
[
通过
竞争一致的大师
Kaggle
](
master-kaggle-by-competing-consistently.md
)
+
[
5
程序员在机器学习中开始犯
错误
](
mistakes-programmers-make-when-starting-in-machine-learning.md
)
+
[
一年内掌握机器学习
](
machine-learning-year.md
)
+
[
通过
持续的竞赛精通
Kaggle
](
master-kaggle-by-competing-consistently.md
)
+
[
5
个程序员在机器学习中的
错误
](
mistakes-programmers-make-when-starting-in-machine-learning.md
)
+
[
哲学毕业生到机器学习从业者(Brian Thomas 采访)
](
philosophy-graduate-to-machine-learning-practitioner.md
)
+
[
机器学习入门的实用建议
](
practical-advice-for-getting-started-in-machine-learning.md
)
+
[
实用机器学习问题
](
practical-machine-learning-problems.md
)
+
[
使用来自 UCI 机器学习库的数据集练习机器学习
](
practice-machine-learning-with-small-in-memory-datasets-from-the-uci-machine-learning-repository.md
)
+
[
使用
秘籍的任何机器学习工具
快速启动
](
proceduralize-machine-learning-tools.md
)
+
[
程序员可以
进入
机器学习
](
programmers-can-get-into-machine-learning.md
)
+
[
程序员应该
进入
机器学习
](
programmers-should-get-into-machine-learning.md
)
+
[
使用
任何机器学习工具和秘籍
快速启动
](
proceduralize-machine-learning-tools.md
)
+
[
程序员可以
入门
机器学习
](
programmers-can-get-into-machine-learning.md
)
+
[
程序员应该
入门
机器学习
](
programmers-should-get-into-machine-learning.md
)
+
[
项目聚焦:Shashank Singh 的人脸识别
](
project-spotlight-face-recognition-with-shashank-singh.md
)
+
[
项目聚焦:
使用 Mahout 和 Konstantin Slisenko 进行StackExchange群集
](
project-spotlight-stack-exchange-clustering-using-mahout-with-konstantin-slisenko.md
)
+
[
项目聚焦:
将 Mahout 和 Konstantin Slisenko 用于StackExchange聚类
](
project-spotlight-stack-exchange-clustering-using-mahout-with-konstantin-slisenko.md
)
+
[
机器学习自学指南
](
self-study-guide-to-machine-learning.md
)
+
[
4 个自学机器学习项目
](
self-study-machine-learning-projects.md
)
+
[
Á
lvaroLemos 如何在数据科学团队中获得机器学习实习
](
student-got-machine-learning-internship-job-data-science-team.md
)
+
[
A
lvaroLemos 如何在数据科学团队中获得机器学习实习
](
student-got-machine-learning-internship-job-data-science-team.md
)
+
[
如何思考机器学习
](
think-machine-learning.md
)
+
[
现实世界机器学习问题之旅
](
tour-of-real-world-machine-learning-problems.md
)
+
[
有关
机器学习的有用知识
](
useful-things-to-know-about-machine-learning.md
)
+
[
现实世界
的
机器学习问题之旅
](
tour-of-real-world-machine-learning-problems.md
)
+
[
机器学习的有用知识
](
useful-things-to-know-about-machine-learning.md
)
+
[
如果我没有学位怎么办?
](
what-if-i-dont-have-a-degree.md
)
+
[
如果我不是一个优秀的程序员怎么办?
](
what-if-im-not-a-good-programmer.md
)
+
[
如果我不擅长数学怎么办?
](
what-if-im-not-good-at-mathematics.md
)
...
...
@@ -67,6 +67,6 @@
+
[
是什么阻碍了你的机器学习目标?
](
what-is-holding-you-back-from-your-machine-learning-goals.md
)
+
[
什么是机器学习?
](
what-is-machine-learning.md
)
+
[
机器学习适合哪里?
](
where-does-machine-learning-fit-in.md
)
+
[
为什么要
进入
机器学习?
](
why-get-into-machine-learning.md
)
+
[
为什么要
入门
机器学习?
](
why-get-into-machine-learning.md
)
+
[
研究对您来说很重要的机器学习问题
](
work-on-machine-learning-problems-that-matter-to-you.md
)
+
[
你这样做是错的。为什么机器学习不必如此困难
](
youre-wrong-machine-learning-not-hard.md
)
\ No newline at end of file
+
[
你这样做是错的。为什么机器学习不必如此困难?
](
youre-wrong-machine-learning-not-hard.md
)
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录