新人想學編程，如何入門？機器學習需要哪些數學基礎？主要是線性代數和概率論。現在最流行的機器學習模型，神經網絡基本上有很多向量、矩陣、張量。從激活函數到損失函數，從反向傳播到梯度下降，都是對這些向量、矩

新人想學編程，如何入門？

機器學習需要哪些數學基礎？

主要是線性代數和概率論。

現在最流行的機器學習模型，神經網絡基本上有很多向量、矩陣、張量。從激活函數到損失函數，從反向傳播到梯度下降，都是對這些向量、矩陣和張量的運算和操作。

其他“傳統(tǒng)”機器學習算法也使用大量線性代數。例如，線性回歸與線性代數密切相關。

從線性代數的觀點來看，主成分分析是對協方差矩陣進行對角化。

尤其是當你讀論文或想更深入的時候，概率論的知識是非常有用的。

它包括邊緣概率、鏈式規(guī)則、期望、貝葉斯推理、最大似然、最大后驗概率、自信息、香農熵、KL散度等。

神經網絡非常講究“可微性”，因為可微模型可以用梯度下降法優(yōu)化。梯度下降和導數是分不開的。所以也需要多元微積分。另外，由于機器學習是以統(tǒng)計方法為基礎的，因此統(tǒng)計知識是必不可少的。但是，大多數理工科專業(yè)學生都應該學過這兩部分內容，所以這可能不屬于需要補充的內容。

學習算法前需要先了解哪些知識？

首先，數學基礎是學習算法的前提。在計算機領域，算法是解決問題的根本途徑。計算機問題歸根結底是算法問題，也可以說是數學問題。為了系統(tǒng)地學習算法，我們需要了解高等數學、線性代數、概率論和離散數學。這些課程是學習算法的基礎。

如果您是算法實現工程師，那么您可以勝任基本的數學知識。在工作中學習相關內容也是可以的。但是對于算法設計者來說，你必須有一個堅實的數學基礎。算法實現工程師的任務是通過特定的編程語言（如R語言或Python語言）來實現算法。目前，Python語言的應用越來越趨向于追趕R，現在很多開發(fā)團隊都要求算法設計者同時具備算法實現的能力，因此算法設計者學習Python語言是非常必要的。

算法設計者的工作比較困難，需要很多經驗。算法設計者應將算法設計與具體場景相結合，不同的場景需要使用不同的算法。另外，算法的設計往往基于成熟的算法。例如，在機器學習領域，比較常見的經典算法有決策樹、樸素貝葉斯、Apriori算法、KNN算法、logistic回歸算法等。算法設計是一個復雜的過程，需要大量的數據進行驗證，而且往往耗時。

所以，對于算法設計者來說，首先要掌握常規(guī)算法（經典算法），然后經過大量的場景驗證，在此基礎上，做一些新的設計，或者結合使用，這是算法設計者的工作路線。算法設計者不是算法的應用，算法的應用并不復雜，復雜的是從場景、數據處理等因素來設計算法。因此，算法工程師往往需要時間來錘煉。

自學編程要從哪里開始學，然后有什么自學網站比較好？

感謝您的邀請。你好，我是類人猿道士。

我自學的編程是網上培訓班的資源，我覺得比那些網站強多了，別人在網站上不會給你免費分享，大部分免費跟你分享的都是公開課，這種課沒有意義。

既然題目說要編程自學網，那我就推薦幾個。

這很好，但都是純文本。

這是初學者學習編程的天堂。

??謝悟空邀請，大家好 我是準程序猿道哥。

我自學編程都是在網上淘的培訓班資源，自我感覺比那些網站強的很多，網站上別人不會免費給你分享，免費給你分享的大部分都是公開課，這種課意義不大。

既然題主說要編程的自學網，那我就推薦幾個。

菜鳥編程

這個還算不錯的，但是都是純文本的東西。

慕課網

這是初學編程的天堂。

最后這是我的網盤，也是我自學的資料，我的大部分資源都是培訓班的資源，我會免費分享給大家，希望你們可以關注加贊，私信我 給你資源鏈接哦~