育种数据分析之放飞自我分享 http://blog.sciencenet.cn/u/yijiaobai 关注:生物统计,数量遗传,混合线性模型,生物信息,R,Perl,Python,GWAS,GS相关方法,文章及代码

博文

机器学习路线图

已有 641 次阅读 2020-10-22 21:57 |个人分类:机器学习|系统分类:科研笔记

之前,在公众号上写了一个专辑《进军机器学习》,时间跨度两年了,还是学学停停,同样学习的朋友都已经到「深度学习」「神经网络」「强化学习」了,而我还在机器学习的门口左右徘徊。关于机器学习的学习,我有很多经验,因为我深深的知道「不花钱是不能够学到东西的,毕竟充值才能让你变强」的道理,我也知道「不立Flag不能办成事」的警句。

「我的Flag历史,最早可以追溯到2018年,距今已有两年了!截图如下:」关于「充值使你变强」,我的做法是:买了很多书,买了很多课程,报了一些班。

虽然买过之后「特别有学到东西的满足感,花钱的快乐就是好」,但是很多书都放在书架上只能睡觉,很多课程在电脑上都在做梦,试想「一个王者荣耀都没有上过星耀的3年玩家,有什么资格谈论坚持和努力的意义呢?」

下面这个Udemy的课程,「《从A-Z通过R和Python学习数据科学》」,目前进度是2%,真的是:睡觉,做梦,不醒来……Udemy课程「如果所看即所得,所买即所有,所读即所懂,该有多好啊」,醒醒吧,少年!

学习路线

成年人的学习,不需要「循序渐进」,或者「从头打基础开始学习」,走到哪里,就学到哪里,学到哪里,要理解到哪里,这样才可以。

「很多书中介绍的机器学习的路线如下:」

  • 语言的入门,「R」「Python」「Julia」
  • 基本汇总统计,可视化
  • 生物统计:方差分析,回归分析等等
  • 多元统计分析,PCA、聚类,对应分析,判别分析等等
  • 机器学习 | K近邻及朴素贝叶斯
  • 机器学习 | 决策树及集成学习,随机森林
  • 机器学习 | 文本挖掘,社交网络
  • 机器学习 | 支持向量机,神经网络
  • 机器学习 | 深度学习

该做的反思及应有的计划

「该做的反思:」问题就在那里,你不去解决,它一直是问题。而掌握机器学习的知识,在实际工作中,应用这些知识去解决问题,提高自己应该是我的目的。

「应有的计划:」关于语言,R和Python基础也有了。 关于生物统计,方差分析,回归分析也入门了。 关于多元统计分析,PCA,聚类也了解了。

「段子:最近想做无人驾驶」

A: 人工智能,无人驾驶比较有前景 B:怎么样,你想学习相关知识么? A:想法已经有了(学习的目的),要实现的结果也有了(实现无人驾驶),剩下就是最简单的找个程序把它实现了 B:……

「然后,我要做最简单的部分:学习机器学习了……」

下面就应该重点学习机器学习的部分了,这部分了解一下原理,敲敲代码,理解一下结果,把主流的方法走一遍,把自己的统计水平提升一个Level。

如何学习

目前的书中,课程上,都有示例数据和代码,跑一遍,看一下理论,查一下资料,做一下总结,写一下博客。

我的目前的知识结构

做一个脑图,总结一下。

可以看到,我对于生物统计,知识相对比较扎实,但是对于机器学习,就有点力不从心!

目前在学习的路上,希望过一段时间,自己也能把机器学习这一块的内容多多学习一点,把自己的知识框架搭建的更加完整。

大家一起加油呀




http://blog.sciencenet.cn/blog-2577109-1255396.html

上一篇:R语言中的方差分析汇总
下一篇:如何安装GWAS分析软件R包:GAPIT

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-11-26 12:54

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部