首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >让入门课程诞生来战胜数学

让入门课程诞生来战胜数学

作者头像
zstt8054929
修改于 2021-01-04 02:00:13
修改于 2021-01-04 02:00:13
2170
举报

大卫·凯恩

我们的统计学和数据科学入门课程使用太多的数学。我们的学生希望我们的课程能够提高他们未来的绩效和机会。他们(在数据分析方面的)计算技能越专业,他们成功的可能性就越大。此入门课程除了简单的代数之外,几乎没有数学/统计公式。

Kill The Math and Let the Introductory Course Be Born

David Kane

Our introductory classes in statistics and data science use too much mathematics. The key causal effect which our students want our classes to have is to improve their future performance and opportunities. The more professional their computing skills (in the context of data analysis), the greater their likely success. Introductory courses should feature almost no mathematical/statistical formulas beyond simple algebra.

本文系外文翻译,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系外文翻译,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
托马斯微积分什么时候学_普林斯顿微积分好在哪
Same with linear algebra, calculus is also closely related to programming.
全栈程序员站长
2022/11/17
5250
托马斯微积分什么时候学_普林斯顿微积分好在哪
将计算纳入统计和数据科学课程(CS)
将计算纳入统计和数据科学课程:创意结构、新颖的技能和习惯及教授计算思维的方法(CS)
zstt8054929
2020/12/29
3650
初学者如何快速入门人工智能?
此文是想要进入人工智能这个领域、但不知道从哪里开始的初学者最佳的学习资源列表。原文是 Ray Alez 编写的“Artificial Intelligence resources”,简单翻译后供大家参
灯塔大数据
2018/04/08
1K0
初学者如何快速入门人工智能?
人工智能基础(高中版)教材补充和资源分享之二 机器人学矩阵
关于书中对应各章节的要点,稍晚些时候补充,这里先给出汤晓鸥教授和陈玉琨教授的一些点评,我个人读后收获非常大。
zhangrelay
2019/01/23
1.5K0
经典机器学习书籍推荐
入门书单 《数学之美》 作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。 《Programming Collective Intelligence》(《集体智慧编程》 作者Toby Segaran也是《BeautifulData : The Stories Behind Elegant Data Solutions》(《数据之美:解密优雅数据解决方案背后的故事》)的作者。这本书最大的优势就是里面没有理论推导和复杂的数学公式,是很不错的入门书。目前中文版已经脱销,对于有志
昱良
2018/04/08
3.3K0
吴恩达亲自回答如何系统学习机器学习
链接:https://www.zhihu.com/question/266291909/answer/2429781356
Color Space
2022/05/26
3320
吴恩达亲自回答如何系统学习机器学习
机器学习中的数学基础
导语:现在出现了很多易于使用的机器学习和深度学习的软件包,例如 scikit-learn, Weka, Tensorflow 等等。机器学习理论是统计学、概率学、计算机科学以及算法的交叉领域,是通过从
IT派
2018/03/28
1.2K0
机器学习中的数学基础
机器学习的前期入门汇总
机器学习机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。 下面从微观到宏观试着梳理一下机器学习的范畴:一个具体的算法,领域进一步细分,实战应用场景,与其
量化投资与机器学习微信公众号
2018/01/29
1.3K0
IBM Expands Data Discovery and Q&A Power of Watson Analytics
IBM Expands Data Discovery and Q&A Power of Watson Analytics Half a Million Professionals Access IBM Watson Analytics in Less Than a Year IBM Watson Analytics provides on ramp to Cognitive Business; Leads shift to self-service analysis with mix of natural
架构师研究会
2018/04/09
8130
资源 |“从蒙圈到入坑”,推荐新一波ML、DL、RL以及数学基础等干货资源
编译| AI科技大本营(rgznai100) 参与 | suiling 此前营长曾发过一篇高阅读量、高转发率,高收藏量的文章《爆款 | Medium上6900个赞的AI学习路线图,让你快速上手机器学习》,本文共分为五个部分: Part 1:为什么机器学习重要。人工智能与机器学习概述——过去,现在,将来。 Part 2.1:监督学习。线性回归,损失函数,过拟合,梯度下降。 Part 2.2:监督学习II。两种分类方法:逻辑回归和SVMs。 Part 2.3:监督学习III.。非参数学习:k最近邻,决策树,随
AI科技大本营
2018/04/28
1.3K0
资源 | 自学数据科学&机器学习?19个数学和统计学公开课推荐
数学和统计学是数据科学和机器学习的基础。就我所知,大多数成功的数据科学家都来自这些领域——计算机科学、应用数学和统计学、经济学。如果你想掌握数据科学,你就必须要对基本代数和统计学有很好的了解。
IT阅读排行榜
2018/08/16
1.3K0
入门机器学习,照这个课程清单按顺序学就对了(附资源链接)
入门机器学习是一个循序渐进的过程,优质的学习资源和科学的学习路线缺一不可。在本文中,来自英伟达人工智能应用团队的计算机科学家 Chip Huyen 不仅列出了十大优质的免费机器学习课程资源,还将其串成了一条高效的学习路线。
CDA数据分析师
2019/08/12
9910
入门机器学习,照这个课程清单按顺序学就对了(附资源链接)
我数学不好,还能如何入门机器学习嘛?
我们知道,机器学习的特点就是:以计算机为工具和平台,以数据为研究对象,以学习方法为中心;是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。尽管机器学习和深度学习有巨大的发展潜力,但要深入掌握算法的内部工作原理并获得良好的结果,就必须透彻地了解许多技术的数学原理。但是,据我观察,一些人缺乏必要的数学直觉和框架,无法获得有用的结果。如果你真的想成为一名人工智能人才,必须要严格自律,拿出很大一块时间投入到学习数学中。
abs_zero
2018/09/25
1.6K0
我数学不好,还能如何入门机器学习嘛?
一份来自英伟达的越南小姐姐整理的机器学习入门清单,照这样学就对了
Chip Huyen 是一位来自越南的作家和计算机科学家,现居于美国硅谷,就职于英伟达人工智能应用团队。
Python数据科学
2019/08/08
7590
一份来自英伟达的越南小姐姐整理的机器学习入门清单,照这样学就对了
面向工程师的最佳统计机器学习课程,Fall 2017 美国圣母大学,28章节详细讲述(附PPT下载,课程目录视频)
【导读】美国圣母大学2017年新开课程《给科学家和工程师的统计学习》Statistical Computing for Scientists and Engineers 涵盖了统计学习中的几乎所有重要知识,包括《概率与统计、信息论、多维高斯分布、最大后验估计、贝叶斯统计、指数族分布、贝叶斯线性回归、蒙特卡洛方法、重要性采样、吉布斯采样、状态空间模型、EM算法、主成分分析、连续隐变量模型、核方法与高斯过程等》,并提供视频,PPT,课程作业及其参考答案与代码,还有大量参考学习资源,是不可多得的统计学习课程。
WZEARW
2018/04/12
1K0
面向工程师的最佳统计机器学习课程,Fall 2017 美国圣母大学,28章节详细讲述(附PPT下载,课程目录视频)
有趣免费的开源机器人课程实践指北-2019-
机器人学科是非常有趣的,对理论和实践的要求都比较高。掌握C/C++/Python/Matlab,能够使用V-Rep/Webots/Gazebo等仿真软件。这里需要重点强调一下仿真软件,由于学校和学生教育资金投入,仿真可以算是极低成本门槛而又有直观效果的工具了。
zhangrelay
2022/04/29
1.1K0
精选的AI和机器学习资源清单
关于更多机器学习、人工智能、增强现实、Unity、Unreal资源和技术干货,可以关注公众号:三次方AIRX
三次方AIRX
2020/12/21
1.5K0
【干货荟萃】机器学习&深度学习知识资料大全集(二)(论文/教程/代码/书籍/数据/课程等)
【导读】转载来自ty4z2008(GItHub)整理的机器学习&深度学习知识资料大全荟萃,包含各种论文、代码、视频、书籍、文章、数据等等。是学习机器学习和深度学习的必备品! ty4z2008前言:希望转载的朋友,你可以不用联系我.但是一定要保留原文链接,因为这个项目还在继续也在不定期更新.希望看到文章的朋友能够学到更多.此外:某些资料在中国访问需要梯子. 昨天介绍了第一篇: 【干货荟萃】机器学习&深度学习知识资料大全集(一)(论文/教程/代码/书籍/数据/课程等) 今天第二篇: 《Image Scalin
WZEARW
2018/04/10
1.8K0
32类计算机与数学领域最为重要的算法
导读: 奥地利符号计算研究所的Christoph Koutschan博士在自己的页面上发布了一篇文章,提到他做了一个调查,参与者大多数是计算机科学家,他请这些科学家投票选出最重要的算法,以下是这次调查的结果,按照英文名称字母顺序排序。 1. A* search algorithm Graph search algorithm that finds a path from a given initial node to a given goal node. It employs a heuristic est
钱塘数据
2018/03/01
1.1K0
入门 | 一文介绍机器学习中基本的数学符号
选自Machine Learning Mastery 作者:Jason Brownlee 机器之心编译 参与:Edison Ke、黄小天 本文介绍了机器学习中的基本数学符号。具体来说有算数符号,包括各种乘法、指数、平方根以及对数;数列和集合符号,包括索引、累加以及集合关系。此外,本文还给出了 5 个当你在理解数学符号遇到困难时可以应急的小技巧。 在机器学习中,你永远都绕不过数学符号。 通常,只要有一个代数项或一个方程符号看不懂,你就完全看不懂整个过程是怎么回事了。这种境况非常令人沮丧,尤其是对于那些正在成长
机器之心
2018/05/08
1.4K0
入门 | 一文介绍机器学习中基本的数学符号
推荐阅读
相关推荐
托马斯微积分什么时候学_普林斯顿微积分好在哪
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档