【异周话题 第1期】机器学习最流行的语言是哪门？（已结束）

从本周开始，异步社区【每周二】将开启一个新的栏目【异周话题】，每周上线一个热点话题，与大家共同讨论，每位参与讨论的同学均有福利。每次小编将挑选讨论精彩的同学，每人赠送1本畅销好书！

话题背景

机器学习(Machine Learning, ML)是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。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

人工智能的火热使市场上对机器学习人才的需求不断提高，机器学习作为人工智能的一个分支,很多从事软件开发的程序员纷纷转行投向机器学习领域。那么问题来了，应该掌握哪门编程语言，才能获得机器学习或数据科学的工作机会呢？

话题内容

1.能否简单描述机器学习的理解？

2.你对机器学习发展的未来如何看待？

3.对于机器学习，你会首选哪门语言？为什么？有什么优缺点？

欢迎各位小伙伴参与讨论，并在本文底部留下您的精彩评论！

话题时间

2017年9月12-2017年9月17日

话题奖励

活动结束后，我们将选取 3 位讨论精彩的同学，各送技术图书《Machine Learning in Python: Essential Techniques for Predictive Analysis》英文原版图书一本。

图书作者：[美] Michael Bowles

作者简介：Michael Bowles 在硅谷黑客道场教授机器学习，提供机器学习项目咨询，同时参与了多家创业公司，涉及的领域包括生物信息学、金融高频交易等。他在麻省理工学院获得助理教授教职后，创建并运营了两家硅谷创业公司，这两家公司都已成功上市。他在黑客道场的课程往往听者云集并且好评颇多。

图书简介：本书通过集中介绍两类可以进行有效预测的机器学习算法，展示了如何使用Python 编程语言完成机器学习任务，从而降低机器学习难度，使机器学习能够被更广泛的人群掌握。

作者利用多年的机器学习经验带领读者设计、构建并实现自己的机器学习方案。本书尽可能地用简单的术语来介绍算法，避免复杂的数学推导，同时提供了示例代码帮助读者迅速上手。读者会很快深入了解模型构建背后的原理，不论简单问题还是复杂问题，读者都可以学会如何找到问题的最佳解决算法。书中详细的示例，给出了具体的可修改的代码，展示了机器学习机理，涵盖了线性回归和集成方法，帮助理解使用机器学习方法的基本流程。 本书为不具备数学或统计背景的读者量身打造，详细介绍了如何：

● 针对任务选择合适算法；
● 对不同目的应用训练好的模型；
● 学习数据处理机制，准备数据；
● 评估模型性能以保证应用效果；
● 掌握Python 机器学习核心算法包；
● 使用示例代码设计和构建你自己的模型；
● 构建实用的多功能预测模型。

本文转载自异步社区

原文链接：https://www.epubit.com/articleDetails?id=NC7E3EF95303000018D2B1C4FAC907670