2019五个最棒的机器学习课程(14)_摘要：爱学习的朋友们

课程先决条件

高级的课程在开始之前需要以下知识：

·线性代数

·概率

·微积分

·程序设计

这些是能够理解机器学习如何在幕后工作的简单组件。许多初级课程通常要求至少一些编程和熟悉线性代数基础知识，例如向量，矩阵。本文的第一个课程， Andrew Ng的机器学习，包含了你需要的大部分数学的复习，但是如果你以前没有学过线性代数，那么同时学习机器学习和线性代数可能会很困难。

另外，我建议学习Python ，因为大多数优秀的ML课程都使用Python 。如果你学习使用Octave的Andrew Ng的机器学习课程，你应该在课程期间或之后学习Python ，因为你最终需要它。另外，另一个很棒的Python资源是dataquest.io ，它在他们的交互式浏览器环境中有一堆免费的Python课程。在学习了必备必需品之后，你就可以开始真正理解算法的工作原理了。