机器学习微积分
理解数学的语言
微积分似乎晦涩难懂，但它无处不在。在机器学习中，虽然我们很少编写微分或积分的代码，但我们使用的算法都有微积分的理论根源。
如果你曾想知道当人们解释机器学习算法背后的理论时如何理解微积分部分，这本采用你所熟悉且友好的机器学习精通风格的新电子书，就是你所需要的一切。
通过清晰的解释和分步教程，您将理解微积分的概念、它与机器学习的关系、它能为我们提供哪些帮助等等。
关于本电子书
- 在所有设备上阅读：PDF 格式电子书，无 DRM
- 大量教程：34 步进式课程，283 页
- 基础知识：微分和积分背后的直觉，它的用处等等
- 真实项目：逐步重塑反向传播算法并构建神经网络，在支持向量机中找到支持向量
- 可运行代码：包含 43 个 Python (.py) 代码文件
清晰且恰到好处的微积分。
专为开发者设计。绝无隐藏。
心动了吗？
Nikolay Oskolkov 生物信息学家
这本书非常棒，我真的会推荐给所有对计算机视觉和深度学习感兴趣的人！
……为什么是微积分？
我们不是数学家！
微积分是数学的一个子领域，它关注非常小的值。它可以告诉我们当我们向一个方向或另一个方向迈出小一步时会发生什么。它是描述机器学习过程的完美工具。
作为一名机器学习从业者，你必须了解微积分。
它是一个广阔的研究领域，影响了统计学、工程学和物理学等其他领域。值得庆幸的是，我们不需要了解微积分的广度和深度，就可以提高我们对机器学习的理解和应用。
对数学感到沮丧？
您是否曾因阅读机器学习技术的描述而感到沮丧？
你正在阅读，一切进展顺利，然后你遇到了一个公式。你被以下问题困住了：
- ……这些术语是什么意思？
- ……为什么有一些我不懂的奇怪符号？
- ……这个希腊字母是什么意思？
除非你具备微积分的基本知识，否则你将无法阅读和理解即使是最基本的方程。
为什么微积分对机器学习很重要？
那么，为什么微积分被如此广泛地用于描述机器学习算法呢？
机器学习的基础是找到描述数据的最佳方式，这样我们就可以用同样的方式预测我们从未见过的数据。为了判断什么是最佳的，什么不是，微积分就是我们使用的工具。
微积分是变化的数学。
它提供了有用的工具来检查事物如何因其他事物的扰动而改变。它还能帮助我们理解算法的因果关系。
微积分并不晦涩。它是建模行为的语言。没有微积分，我们将无法完全理解以下技术：
- 神经网络中的反向传播
- 使用最优最小二乘法进行回归
- 拟合概率模型中的期望最大化
学习微积分的错误方法
现在你知道微积分对机器学习的重要性了。但在学习时，很容易走错路
1. 学微积分太早
了解微积分听起来很酷。事实上，学习基础知识并不难。
但是，你可以跳过学习微积分，仍然能在机器学习领域做得很好。并非所有项目都需要你精通微积分。如果你是一名实践者，有比微积分更重要的事情需要关注。打下扎实的线性代数、微积分、统计学、概率论的基础，然后再转向机器学习，这是一个自下而上的路径，需要很长时间才能看到成果。
如果你能通过尝试一些机器学习模型来首先获得成果，那会更令人兴奋。在获得实现机器学习算法的一些经验后，你可以回过头来研究理论背景，并对机器学习过程为何有效获得一些见解。这就是自上而下的方法。我们将微积分放在你学习旅程的第二步或第三步。
2. 学太多
你在学校的数学课上学习微积分。这种方法可能旨在培养数学家，并确保你能独立解决更难的微积分问题。但对于实践者来说，你可能不需要做大量的练习，也不需要非常熟悉处理微积分问题的所有技巧和技术。
相反，在专注于机器学习应用时，你应该了解微积分告诉我们关于模型什么。了解直觉和联系比解方程更重要。
有时，如果我们钻得太深，可能会迷失方向。我们可能会深入研究求解微分方程，而忘记了多元微积分的重要性。微积分是一个广阔的研究领域，有许多定理和推导。但并非所有内容都对你的机器学习模型有用。你只需要专注于一个特定的子集。之后，当然，如果你愿意，你随时可以深入研究。
学习微积分的更好方法
从传统教科书学习并遵循自下而上的方法是困难的，特别是如果你时间有限。许多人深入学习微积分，遵循为本科生设计的在线课程视频，然后放弃了。
如果你用正确的方式学习，微积分可以变得有趣而简单。你应该把微积分看作是我们在掌握机器学习的旅程中可以利用的另一套工具。
微积分的三个重点领域
你不需要了解所有微积分
我建议你关注的微积分三个关键领域是
1. 微分
微分是微积分的关键。它描述了变化率或调整参数的因果关系。
书籍、论文和网站中描述的算法通常涉及微分。你需要知道它的含义和符号。
2. 向量微积分
这会将微分引入更高维度。通常，机器学习算法涉及多个参数。有时，单个模型会产生多个输出。我们通常用向量函数来描述这类机器学习算法，并用多元微积分来描述它们的行为。
你需要知道如何对向量函数进行微分，以及如何将其表示为向量或矩阵。这是神经网络训练中反向传播算法背后的工具。
3. 微积分作为优化工具
微积分的一个重要用途，特别是微分，是寻找函数的最佳值。
虽然我们可以通过算法找到函数的最大值或最小值，但使用微积分可以一次性给出答案。更重要的是，它也是在约束条件下找到最大值或最小值的工具。
一个例子是支持向量机分类器。这本质上是寻找两个类别的最大分离。你需要理解微积分才能知道支持向量机如何给出其解决方案。
介绍我们的新电子书：“机器学习微积分”
欢迎阅读《机器学习微积分》
本书旨在通过具体的例子，偶尔还会配合可执行的 Python 代码，循序渐进地向像你一样的机器学习从业者传授微积分的基础知识。
本书经过精心设计，旨在帮助你将各种微积分工具和技术的知识应用到你的下一个项目中。
这些教程的设计目的是以我所知最快速有效的方式教你这些技术：*寓教于学*。我们提供可执行的代码，你可以运行它来培养所需的直觉，并且可以将其复制粘贴到你的项目中以**立即获得结果**。
微积分对机器学习很重要，我相信如果以适合从业者的水平进行教学，它将是一个引人入胜、有趣、直接适用且非常有用的技术工具箱。
我希望您也同意。
心动了吗？
点击直接跳转至套餐选择.
这本书适合谁？
…那么，这本书适合您吗？
这本书适合可能了解一些应用机器学习的开发者。
也许您知道如何使用流行工具端到端地解决预测建模问题，或者至少是大多数主要步骤。
本书的课程对您有一些假设，例如：
- 您可能对 Python 的基本编程有所了解。
- 你可能知道一些基础代数
- 你希望学习微积分以加深对机器学习的理解和应用。
本指南采用您在 Machine Learning Mastery 所习惯的自上而下、结果优先的机器学习风格编写。
如果我是机器学习新手怎么办？
这本书不假设您有机器学习背景。
话虽如此，我们仍然建议你先学习如何解决预测建模问题。它将为你提供我们所涵盖内容的背景。否则，主题会显得过于抽象。
如果我只是一名开发者怎么办？
完美。这本书是为你写的！
如果我的数学很差怎么办？
也许你很久以前在学校学过代数和微积分。
也许你以前从未接触过微积分。
完美。这本书是为你准备的。我假设你了解一些基本的算术，即使如此，我也会为你提供复习。
如果我不是 Python 程序员怎么办？
如果您是其他语言的程序员，即使您不熟悉 Python，也能看懂这本书。
所有内容都通过一个小的代码示例来演示，您可以直接运行。
所有代码都提供给您，供您体验、修改和学习。
本书所涵盖的微积分主要是关于概念和原理。我们向你展示了如何用 Python 验证结果。如果你愿意，在线计算机代数系统可以做我们 Python 程序同样的事情。
本书甚至还有一个附录，向你展示如何在工作站上设置 Python 并使用计算机代数系统。
如果我正在大学里学习微积分课程怎么办？
太棒了！
这本书不能替代大学微积分课程或此类课程的教科书，尽管它是这些材料的一个很好的补充。
关于您的学习成果
…那么，读完这本书后，您将掌握什么？
在阅读并实践完这本书后，您将了解：
- 什么是微积分，以及它与机器学习为何相关和重要。
- 如何进行微分以及如何用计算机验证微分结果。
- 什么是多元函数以及如何对其进行微分。
- 雅可比、赫西和拉普拉斯矩阵，以及它们在机器学习算法中的应用。
- 链式法则以及我们如何在反向传播算法中使用它。
- 微积分如何帮助带约束的函数优化。
- 应用微积分技术构建神经网络训练算法以及支持向量机分类器。
这种对微积分的新基本理解将影响你的机器学习实践。
读完这本书，你将能够：
- 阅读机器学习论文中的微积分方程。
- 实现机器学习算法的微积分描述。
- 使用微积分的符号和运算来描述你的机器学习模型。
这本书里究竟有什么？
本书旨在为机器学习从业者（最好是具有开发背景的人）提供微积分速成课程。
本书围绕微积分中与机器学习算法直接相关的主要运算和技术设计。
你可以学习很多关于微积分的知识，从理论到抽象概念。我们的目标是直接引导你培养对必须理解的元素的直觉，通过重点突出的教程。
我们设计的教程侧重于如何用微积分完成任务。它们为你提供了工具，可以快速理解和应用每种技术或操作。
每个教程都设计为大约一小时的阅读和完成时间，不包括扩展和进一步阅读。
您可以选择每天完成一课，每周完成一课，或者按照自己的节奏进行。我认为势头至关重要，这本书旨在被阅读和使用，而不是束之高阁。
我建议您制定一个计划并坚持下去。
教程分为六个部分
- 第一部分：基础。探索微积分领域的温和介绍及其与机器学习领域的关系。
- 第二部分：极限和微分。从第一性原理中发现微积分。学习如何查看数学函数并找出其变化率。
- 第三部分：多元微积分。发现处理更复杂函数中微分的关键。这将包括链式法则和雅可比矩阵，它们在解决优化问题时非常有用，包括反向传播算法的情况。
- 第四部分：数学规划。探索寻找函数优化问题精确解的方法。这是许多机器学习算法的基础，包括线性回归和支持向量机。
- 第五部分：近似。微积分的另一个应用是将问题改写成更简单的形式。在本部分中，我们将看到如何使用微积分来寻找更容易处理的函数近似。
- 第六部分：机器学习中的微积分。我们逐步完成项目，使用我们学到的微积分技术构建神经网络以及支持向量机分类器。
课程概览
以下是你将完成的 34 节循序渐进的教程课程概述
每节课都设计为普通开发者在大约 30 到 60 分钟内完成。
基础
- 第一课：什么是微积分？
- 第二课：变化率
- 第三课：为什么它有效？
- 第四课：微积分先决条件简要介绍
极限和微分微积分
- 第五课：极限和连续性
- 第六课：评估极限
- 第七课：函数导数
- 第八课：连续函数
- 第九课：幂和多项式的导数
- 第十课：正弦和余弦的导数
- 第十一课：幂法则、乘积法则和商法则
- 第十二课：不定式和洛必达法则
- 第十三课：导数的应用
- 第十四课：斜率和切线
- 第十五课：微分和积分微积分
多元微积分
- 第十六课：多元微积分简介
- 第十七课：向量值函数
- 第十八课：偏导数和梯度向量
- 第十九课：高阶导数
- 第二十课：链式法则
- 第二十一课：雅可比矩阵
- 第二十二课：Hessian 矩阵
- 第二十三课：拉普拉斯算子
数学规划
- 第二十四课：优化和数学规划简介
- 第二十五课：拉格朗日乘数法
- 第二十六课：带不等式约束的拉格朗日乘数
近似
- 第二十七课：近似
- 第二十八课：泰勒级数
机器学习中的微积分
- 第二十九课：梯度下降过程
- 第三十课：神经网络中的微积分
- 第三十一课：用 Python 实现神经网络
- 第三十二课：训练支持向量机：可分离情况
- 第三十三课：训练支持向量机：不可分离情况
- 第三十四课：用 Python 实现支持向量机
附录
- 附录 A：数学符号
- 附录B： 如何设置 Python 工作站
- 附录 C：如何解决微积分问题
你可以看到，每个部分都针对一个特定的学习成果，每个部分内的教程也是如此。这充当了一个过滤器，以确保你只关注你需要知道的内容才能获得特定的结果，而不会陷入数学或近乎无限的岔路中。
这些教程的设计目的并不是教你微积分的每一种理论或技术的全部知识。它们的设计目的是以我所知最快的方式让你理解它们是如何工作的，如何使用它们，以及如何解释结果：寓教于学。
目录
以下截图来自 PDF 电子书。它为你提供了本书目录的完整概述。
微积分目录
抢先看电子书内容
点击图片放大。
下载您的样章
想更深入地了解这本书吗？下载免费的样章PDF。
输入您的电子邮件地址，样章将发送到您的收件箱。
附赠：用于数学计算的 Python 代码
……你还将获得 43 个完全可用的 Python 脚本
示例代码配方
书中展示的每个配方都是独立的，这意味着您可以将其复制粘贴到您的项目中并立即使用。
- 书中提供的每个示例，您都会得到一个 Python 脚本（.py）文件。
这意味着您可以跟着操作，并将您的答案与所提供的 Python 文件中已知可行的实现进行比较。
这有助于加快你在处理特定任务细节时的进度，例如
- 使用计算机进行微分
- 寻找函数的变化率
- 使用 SciPy 解决约束优化问题
- 从头开始构建神经网络
- 从头开始创建支持向量机分类器
所提供的代码是在文本编辑器中开发的，并旨在在命令行上运行。不需要特殊的 IDE 或笔记本。
所有代码示例均使用 Python 3.7+ 设计和测试。
所有代码示例都可以在普通的现代计算机硬件上运行，并在 CPU 上执行。
Python 技术细节
本节提供有关本书附带代码的一些技术细节。
- Python 版本：你可以使用 Python 3.7 或更高版本。
- Python 模块：你将使用 NumPy、SciPy 和 SymPy。
- 操作系统：您可以使用 Windows、Linux 或 Mac OS X。
- 硬件：标准的现代工作站即可。
- 编辑器：您可以使用文本编辑器并在命令行中运行示例。
没有 Python 环境？
没问题！
附录包含循序渐进的教程，向您准确展示如何设置 Python 机器学习环境。
看看客户们怎么说
Carlo Lisi 高级审计经理
很棒，就像杰森所有的书一样。易于理解，概念解释得很清楚。
Shanmugasundaram Muthuswamy 副教授
这是一本出色的书，涵盖了机器学习所需的所有线性代数基础知识。
Jason Gilbertson 数据科学高级总监
爱了爱了！比在 YouTube/MOOC 上尝试这些东西有趣多了。
在选择 Machine Learning Mastery 的路上，您并不孤单
受到超过 53,938 名从业者的信赖
...包括来自以下公司的员工
...以及来自以下大学的学生和教职员工
以及成千上万的其他人...
绝对没有风险，因为有...
100% 退款保证
此外，正如您对市场上任何优秀产品的期望一样，每一本 Machine Learning Mastery 的电子书
都附带了信心的最大保证：我的黄金标准 100% 退款保证。
100% 退款保证
如果您对购买的任何一本 Machine Learning Mastery 电子书不满意，
只需在购买后 90 天内给我发邮件，我将立即退款给您。
无需等待。不问任何问题。没有风险。
立即探索数据数学！
选择您的套餐
所有价格均为美元（USD）。
（1）点击按钮。 （2）输入您的信息。 （3）立即下载。
采用 SSL 加密的安全支付处理
您有任何问题吗？
关于作者
你好，我是 Jason Brownlee。我运营这个网站，并且写了这本书。
我和我的妻子及儿子们住在澳大利亚。我喜欢读书、写教程和开发系统。
我拥有计算机科学和软件工程背景，以及人工智能专业的硕士和博士学位，主攻随机优化。
我写过关于算法的书籍，在比赛中获胜并排名靠前，为初创公司提供咨询，并在业界工作多年。（是的，我花了很多时间构建和维护真正的运营系统！）
帮助开发者入门并精通应用机器学习，这让我感到非常满足。
我采用一种非传统的自上而下、结果优先的机器学习教学方法，我们从实践教程和问题开始，然后在需要时再深入理论。
如果您有任何问题，我随时乐意帮助。我希望您能在机器学习领域变得出色。
机器学习技能值多少钱？
你的老板问你：
“嘿，你能为这个建立一个预测模型吗？”
想象一下，你拥有技能和信心去说：
“好的！”
...并付诸行动。
我经历过。 那感觉太棒了！
这对你来说价值多少？
行业对机器学习技能的需求日益增长。
市场需要的是能交付成果的人，而不是写学术论文的人。
企业知道这些技能的价值，并支付天价的起薪。
数据科学家的起薪为
10 万美元到 15 万美元。
机器学习工程师的薪水甚至更高。
你还有哪些选择？
你已经走到了这一步。
你准备好采取行动了。
但是，你还有哪些选择？有哪些选项？
(1) 一本 100 美元以上的理论教科书
...它枯燥乏味，充满了数学，你很可能永远也读不完。
(2) 一个 10,000 美元以上的现场训练营
...那里都是年轻人，你必须出差，而且可能需要几个月的时间。
(3) 一个 100,000 美元以上的高等学位
...它很昂贵，需要数年时间，而且你会成为一名学者。
或者...
为了你获得的实践技能...
为了你看到的成果速度...
为了你支付的低廉价格...
Machine Learning Mastery 电子书是
超值的选择！
而且它们确实有效。这就是我提供退款保证的原因。
你是一名专业人士
这个领域发展迅速，
...你还能等多久？
你以为你有的是时间，但是...
- 新方法不断涌现，算法也在变化。
- 新书不断出版，价格也在上涨。
- 新的毕业生不断涌现，职位也被填补。
现在就是开始的最佳时机。
自下而上的学习方式缓慢而令人沮丧，
...难道你不想找到一条更快的路吗？
你真的能再这样日复一日、周复一周、月复一月地...
- 从不完整的帖子中拼凑想法和代码。
- 从简短的视频中浏览理论和见解。
- 从学术教科书中解析希腊字母。
针对性训练是你通往成果的最短路径。
专业人士始终保持在领域前沿
获取你需要的培训！
你不想落后或错过机会。
常见问题
客户问题 (78)
感谢您的兴趣。
抱歉，我不支持我的书籍的第三方经销商（例如在其他书店转售）。
我的书是自出版的，我将我的网站视为一个小型精品店，专门为那些对应用机器学习深感兴趣的开发者服务。
因此，我更喜欢自己控制书籍的销售和营销。
很抱歉，我不支持在捆绑包内更换书籍。
所提供捆绑包中的书籍组合是固定的。
我的电子商务系统不够先进，不支持临时捆绑。我相信您能理解。您可以在这里查看完整的书籍和捆绑包目录
如果您已经购买了一个捆绑包，并希望更换其中的一本书，那么非常抱歉，我不支持换书或部分退款。
如果您不满意，请直接联系我，我可以为您安排退款。
感谢您的兴趣。
很抱歉，我无法为您创建定制的书籍捆绑包。这会给我带来维护上的噩梦。我相信您能理解。
我的电子商务系统不是很先进。它不支持临时捆绑书籍或点菜式订购书籍。
我确实有一些现有的书籍捆绑包，我认为它们搭配得很好。
您可以在这里查看我所有可用的书籍和捆绑包目录
抱歉，我不销售我的书的实体版。
所有的书籍和捆绑包都是 PDF 文件格式的电子书。
这是我经过深思熟虑后有意为之的决定
- 这些书充满了必须在电脑上完成的教程。
- 这些书假定您正在实践教程，而不是被动阅读。
- 这些书旨在在电脑屏幕上阅读，旁边放着代码编辑器。
- 这些书是实践手册，而不是用作参考书放在书架上。
- 这些书会频繁更新，以跟上领域和 API 的变化。
我希望这解释了我的理由。
如果您真的想要实体版，您可以购买书籍或捆绑包，并为个人使用打印一份。PDF 文件上没有数字版权管理（DRM）来阻止您打印它们。
抱歉，我不提供 Kindle (mobi) 或 ePub 版本的书籍。
这些书仅以 PDF 文件格式提供。
这是我经过深思熟虑的设计。我的理由如下：
- 我使用 LaTeX 来排版文本和代码，以提供专业的外观，我担心电子书阅读器会搞砸这一点。
- 增加支持的格式会带来维护上的麻烦，这将占用大量时间，影响我更新书籍和创作新书。
- 最关键的是，在电子阅读器或 iPad 上阅读与选择 PDF 格式所支持的书籍与代码编辑器并排打开的方法背道而驰。
我的材料是实践手册，旨在在电脑上打开，旁边放着文本编辑器和命令行。
它们不是离开电脑阅读的教科书。
您可以查看任何一本书的目录。
我在每本书的页面上都提供了两份目录。
具体来说：
- 一份书面摘要，列出了书中的教程/课程及其顺序。
- 一份从 PDF 中截取的目录截图。
如果您找不到目录，请在页面上搜索标题为“目录”的部分。
我很高兴您在开发自己的课程材料时使用我的部分材料，例如课堂讲座的幻灯片或家庭作业练习。
如果您免费分享我的材料或逐字使用，我会不高兴。这将构成版权侵犯。
我网站上和我书中的所有代码都是为教育目的而开发和提供的。我对代码、它可能做什么或您可能如何使用它不承担任何责任。
如果您使用我的材料进行教学，请引用来源，包括：
- 作者姓名，例如“Jason Brownlee”。
- 教程或书籍的标题。
- 网站名称，例如“Machine Learning Mastery”。
- 教程或书籍的 URL。
- 您访问或复制该代码的日期。
例如
- Jason Brownlee, Python 机器学习算法, Machine Learning Mastery, 网址：https://machinelearning.org.cn/machine-learning-with-python/, 访问于 2018 年 4 月 15 日。
另外，如果您的作品是公开的，请联系我，我很乐意出于一般兴趣看看它。
通常不提供。
我的书中没有练习或作业。
我确实在一些书中有端到端的项目，但它们是以教程形式呈现的，我会引导您完成每一步。
书的章节是作为独立的教程编写的，有特定的学习成果。在教程结束时，您将学会如何做某件事。
有些书有一个名为“扩展”的部分，提供了一些以更高级的方式修改教程中代码的想法。它们就像自学练习。
不行。
我有一些书不需要任何编程技能，例如：
其他书籍确实有特定编程语言的代码示例。
您必须了解该编程语言的基础知识，例如如何安装环境以及如何编写简单的程序。我不教编程，我教的是面向开发者的机器学习。
您不需要是一个好的程序员。
话虽如此，我确实为那些可能不熟悉特定语言的开发者提供了关于如何高效设置环境的教程，甚至还有编程语言的速成课程。
抱歉，我没有视频。
我只有文本格式的教程课程和项目。
这是有意为之。我曾经有过视频内容，但我发现完成率要低得多。
我希望您能将材料付诸实践。我发现基于文本的教程是实现这一目标的最佳方式。通过基于文本的教程，您必须阅读、实现并运行代码。
而通过视频，您只是被动观看，不需要采取任何行动。视频是娱乐或信息娱乐，而不是富有成效的学习和工作。
在阅读并实践教程之后，您更有可能运用所学知识。
是的，我提供 90 天无理由退款保证。
我为我的书负责。它们包含了我对特定机器学习主题的最佳知识，并且每本书都经过数万名读者的阅读、测试和使用。
尽管如此，如果您发现我的某本电子书不适合您，我会全额退款。
是的。
我建议使用在 TensorFlow 2.2（或更高版本）上运行的独立 Keras 2.4（或更高版本）。
博客上的所有教程都已更新，使用在 Tensorflow 2 上运行的独立 Keras。
所有书籍都已更新，使用相同的组合。
我还不推荐使用作为 TensorFlow 2 一部分的 Keras（例如 tf.keras）。它太新了，新事物总有问题，我正在等待尘埃落定。独立 Keras 已经运行多年，并且继续表现出色。
有一类教程不支持 TensorFlow 2，因为这些教程使用了尚未更新以支持 TensorFlow 2 的第三方库。特别是使用 Mask-RCNN 进行对象识别的教程。一旦第三方库更新，这些教程也将被更新。
这本书《Python长短期记忆网络》并非专注于时间序列预测，而是专注于用于一系列序列预测问题的LSTM方法。
这本书《用于时间序列预测的深度学习》向您展示了如何为单变量、多变量和多步时间序列预测问题开发MLP、CNN和LSTM模型。
迷你课程是关于一系列机器学习主题的免费课程，通过电子邮件、PDF 和博客文章提供。
迷你课程的特点是：
- 简短，通常为 7 天或 14 天。
- 简洁，通常每节课给出一个技巧或代码片段。
- 有限，通常范围较窄，仅限于几个相关领域。
电子书则在许多相同主题上提供完整的培训课程。
电子书的特点是：
- 更长，通常包含 25+ 个完整的教程课程，每个课程最多需要一小时完成。
- 完整，为每个课程提供温和的介绍，并包括完整的可用代码和进一步阅读材料。
- 广泛，涵盖了该主题所需的所有内容，以便快速上手并将技术应用到您自己的项目中。
迷你课程旨在让您快速获得结果。如果您想了解更多信息或更完整的代码示例，可以购买相关的电子书。
这本书《掌握机器学习算法》适合程序员和非程序员。它通过算术和电子表格中的示例（而非代码）教授您10种顶级机器学习算法的工作原理。重点在于理解每种模型如何学习和进行预测。
这本书《从零开始的机器学习算法》面向喜欢通过编写代码来学习的程序员。它提供了关于如何实现顶级算法的循序渐进的教程，以及如何加载数据、评估模型等。它对算法工作原理的讲解较少，而是专注于如何在代码中实现每种算法。
这两本书可以相互补充。
这些书是我博客内容的浓缩和更便捷的版本。
我将我的书设计成课程和项目的结合体，教您如何使用特定的机器学习工具或库，然后将其应用于真实的预测建模问题。
这些书会进行更新，包括错误修复、API 变更的更新以及新章节的增加，这些更新是完全免费的。
我确实会将一些书的章节作为示例发布在博客上，但它们与周围的章节或书提供的叙事没有联系，也不提供独立的代码文件。
每本书都附带了书中使用的所有源代码文件，您可以将它们用作配方来快速启动您自己的预测建模问题。
我的书是实践手册，不是教科书。
它们没有深入的理论解释，只有可行的例子，这些例子高度专注于您需要知道的信息，以便将机器学习应用到您的项目中。
几乎没有数学，没有理论或推导。
我的读者非常欣赏我材料中使用的自上而下而非自下而上的方法。这是我收到反馈最多的一个方面。
我的书并不适合所有人，它们是为需要快速获得结果的从业者精心设计的。
电子书可以直接从我的网站上购买。
- 首先，找到您希望购买的书籍或捆绑包，您可以在这里查看完整的目录
- 点击您想购买的书籍或捆绑包，进入该书的详情页面。
- 点击书籍或捆绑包的“立即购买”按钮，进入购物车页面。
- 在购物车中填写您的详细信息和支付信息，然后点击“下单”按钮。
- 完成购买后，您将收到一封包含下载您的书籍或捆绑包链接的电子邮件。
所有价格均为美元（USD）。
书籍可以通过 PayPal 或信用卡购买。
Machine Learning Mastery 上的所有价格均为美元。
可以使用支持国际支付的 PayPal 或信用卡进行支付（例如，大多数信用卡都支持）。
您不必明确地将您的货币兑换成美元。
当您使用 PayPal 或信用卡付款时，货币转换会自动进行。
要在购物时使用折扣码，也称为优惠码或折扣券，请按照以下步骤操作：
1. 在结账页面的“折扣券”字段中输入折扣码文本。
注意，如果您在结账页面上没有看到名为“折扣券”的字段，则表示该产品不支持折扣。
2. 点击“应用”按钮。
3. 然后您会看到一条消息，表明折扣已成功应用于您的订单。
注意，如果您使用的折扣码已失效，您会看到一条消息，表明折扣未能成功应用于您的订单。
你应该按什么顺序读这些书？
这是一个很好的问题，我最好的建议如下：
- 考虑从一本您最感兴趣的主题的书开始。
- 考虑从一本您可以立即应用到项目上的主题的书开始。
另外，请考虑您不需要阅读所有的书，也许一部分书就能让您获得您需要或想要的技能。
尽管如此，一个建议的阅读顺序如下：
-
- 机器学习概率
- 机器学习的统计方法
- 机器学习线性代数
- 机器学习优化
- 机器学习微积分
- 数据科学入门指南
- 精通机器学习算法
- 从零开始实现机器学习算法
- 用于机器学习的 Python
- 使用 Weka 精通机器学习
- 精通 Python 机器学习
- 精通 R 语言机器学习
- 新一代数据科学
- 机器学习数据准备
- 使用 Python 处理不平衡分类问题
- 使用 Python 进行时间序列预测
- 使用 Python 实现集成学习算法
- 使用 Python 实现 XGBoost
- 使用 Python 进行深度学习
- 使用 PyTorch进行深度学习
- 使用 Python 构建长短期记忆网络
- 用于自然语言处理的深度学习
- 使用 Hugging Face Transformers 进行自然语言处理
- 用于计算机视觉的深度学习
- OpenCV 中的机器学习
- 用于时间序列预测的深度学习
- 更好的深度学习
- 使用 Python 构建生成对抗网络
- 使用注意力机制构建 Transformer 模型
- 使用 ChatGPT 提高生产力（这本书可以按任何顺序阅读）
- 使用 Stable Diffusion 精通数字艺术（这本书可以按任何顺序阅读）
希望这能有所帮助。
我最好的建议是，从一本您可以立即应用的主题的书开始。
除此之外，选择一个您最感兴趣的主题。
如果您不确定，或许可以尝试学习一些免费教程，看看您倾向于哪个领域。
通常，我建议专注于端到端地解决预测建模问题的整个过程。
我有三本书，通过三个顶级的开源平台，向您展示如何做到这一点。
- 精通Weka机器学习 (无需编程)
- 精通R语言机器学习 (使用caret)
- 精通Python机器学习 (使用pandas和scikit-learn)
这些都是很好的入门选择。
您随时可以回过头来，选择一本关于算法的书，以便更深入地了解特定方法的工作原理。
《Python深度学习》这本书可以看作是《Python长短期记忆网络》的预备知识。它教您如何开始使用Keras，以及如何开发您的第一个MLP、CNN和LSTM。
《Python长短期记忆网络》这本书深入探讨了LSTM，教您如何准备数据、如何开发一系列不同的LSTM架构、参数调整、更新模型等等。
这两本书都专注于使用Keras库在Python中进行深度学习。
《Python长短期记忆网络》这本书主要关注如何为序列预测开发一系列不同的LSTM网络。
这本书《用于时间序列预测的深度学习》侧重于如何使用一系列不同的深度学习模型（MLP、CNN、LSTM和混合模型）来解决一系列不同的时间序列预测问题（单变量、多变量、多步预测以及组合）。
LSTM这本书只教LSTM，不侧重于时间序列。而时间序列深度学习这本书则侧重于时间序列，并教授如何使用包括LSTM在内的多种不同模型。
《Python长短期记忆网络》这本书专注于如何实现不同类型的LSTM模型。
《自然语言处理深度学习》这本书专注于如何使用包括LSTM在内的多种不同网络来解决文本预测问题。
LSTM这本书可以为NLP这本书提供支持，但它不是必需的预备知识。
您可能需要“Machine Learning Mastery”公司的企业或公司税号用于您自己的税务目的。例如，这在欧盟公司中很常见。
Machine Learning Mastery 公司在波多黎各运营。
因此，公司没有欧盟的增值税（VAT）识别号或适用于您所在国家或地区的类似税号。
公司确实有一个公司编号。详细信息如下：
- 公司名称：Zeus LLC
- 公司编号: 421867-1511
在《精通机器学习算法》中没有代码示例，因此没有使用任何编程语言。
书中通过基本算术描述算法并总结其工作原理。算法的行为也在Excel电子表格中进行了演示，这些表格随书提供。
这是一本学习算法工作原理的绝佳书籍，不会被理论或编程语法所分心。
如果您有兴趣通过从头开始编码（使用Python编程语言）来学习机器学习算法，我推荐另一本书：
所有的书都经过测试，可以与Python 3（例如3.5或3.6）一起使用。
大多数书籍也经过测试，可以与Python 2.7一起使用。
在可能的情况下，我建议使用最新版本的Python 3。
我确实会先在博客上测试我的教程和项目。这就像是创意的早期体验，其中许多并没有进入我的培训材料。
书中的大部分材料最初都以某种形式出现在我的博客上，后来经过提炼、改进并以章节格式重新包装。我发现这对于提高质量和修复错误有很大帮助。
书籍提供了更方便的材料包装，包括源代码、数据集和PDF格式。它们还包括对新API的更新、新章节、错误和拼写修正，以及直接与我联系以获得我能提供的所有支持和帮助。
我相信我的书以几十美元的价格提供了价值数千美元的教育。
它们是我数月甚至数年经验的结晶，浓缩在几百页精心制作且经过充分测试的教程中。
我认为对于希望快速掌握应用机器学习技能或在项目中使用机器学习的专业开发人员来说，它们是物超所值的。
此外，机器学习技能对您、对您的下一个项目、以及对您当前或未来的雇主价值几何？
尽管如此，如果您是学生，或者您不习惯北美、澳大利亚、英国及世界类似地区开发人员的高薪，我的书的价格可能看起来很贵。对此，我感到抱歉。
折扣
我确实为学生、教师和退休人员提供折扣。
请联系我了解更多信息。
免费资料
我在我的博客上提供了大量免费内容，您可以在这里开始学习我最好的免费资料：
关于我的书籍
我的书是实战手册。
它们是为那些想知道如何使用特定库来实际解决问题并在工作中交付价值的开发人员准备的。
- 我的书只引导您了解那些为了取得成果而必须知道的要素。
- 我的书是PDF格式，并附带代码和数据集，专为方便您在电脑上阅读和实践而设计。
- 我的书让您可以通过电子邮件直接联系到我（还有哪些书能提供这个？）。
- 对于专业开发人员来说，我的书是一笔微小的业务开销，可以记入公司账目，并且在大多数地区可以抵税。
很少有机器学习培训材料专注于如何取得成果。
绝大多数资料都在重复同样的数学和理论，却忽略了您真正关心的一件事：如何在项目中使用这些方法。
与其他选项的比较
让我为您提供一些关于书籍定价的背景信息：
YouTube上有免费视频，博客上有免费教程。
- 很好，我鼓励您使用它们，包括我自己的免费教程。
有一些非常便宜的视频课程，教您一两个API的技巧。
- 我的书教您如何使用一个库来端到端地完成一个项目并交付价值，而不仅仅是几个技巧。
一本机器学习教科书可能要花费50到100美元。
- 我所有的书都比一般的机器学习教科书便宜，而且我期望您能更快地提高生产力。
一个训练营或其他线下培训可能花费1000多美元，并持续数天到数周。
- 我所有书籍的捆绑包比这便宜得多，它们允许您按自己的节奏学习，并且捆绑包涵盖的内容比一般训练营更多。
抱歉，我的书不在像Amazon.com这样的网站上销售。
出于多种原因，我慎重决定不把我的书放在亚马逊上：
- 亚马逊会从自出版书籍的销售价格中抽取65%，这会让我无法经营下去。
- 亚马逊对销售页面和购物车体验的控制权很小。
- 亚马逊不允许我通过电子邮件联系我的客户，并提供直接支持和更新。
- 亚马逊不允许我以PDF格式向客户交付我的书，而PDF是我的客户在屏幕上阅读的首选格式。
我希望这能帮助您理解我的理由。
我免费赠送了很多内容。事实上，是大部分内容。
帮助经济不宽裕的学生和从业者对我来说很重要，因此我提供了大量的免费内容。
您可以通过以下方式获取免费内容：
我对此进行了深思熟虑，我销售机器学习电子书有几个重要原因：
- 我用收入来支持网站和所有非付费用户。
- 我用收入来养家糊口，以便我能继续创作内容。
- 为教程付费的从业者更有可能认真学习并学到东西。
- 我的书目标读者是更有可能负担得起这些材料的职业人士。
是的。
您购买的书籍或捆绑包中的所有书籍更新都是免费的。
书籍通常每隔几个月更新一次，以修复错误、拼写问题并跟上API的变化。
随时联系我，查询是否有更新。请告诉我您拥有的书籍版本（版本号列在版权页上）。
是的，这些书可以帮助您找到工作，但只是间接的。
找到工作取决于您自己。
这是一个寻找职位空缺的组织与拥有技能和背景的您之间的匹配问题。
话虽如此，有些公司更看重您能为业务带来的价值，而不是您的学位。通常，这些是较小的公司和初创企业。
您可以通过学习并精通端到端解决预测建模问题来专注于提供机器学习价值。您可以通过建立一个已完成项目的机器学习作品集来展示这项技能。
我的书正是为了帮助您实现这些目标而设计的。它们准确地教您如何使用开源工具和库在预测建模项目中取得成果。
您还有其他问题吗？
请联系我.
