我想学习DX,该怎样入手？

stidio_zhougang 2002-08-04 03:11:47

我想学习DX,该怎样入手？

...全文

87 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

夭夭 2002-08-14

打赏
举报

回复

c++,com还有就是例程,dxshow中有一个很完整的编程思想,值得学习

kwok_1980 2002-08-04

打赏
举报

回复

C++ ->C++高手 ->COM

dev_uoboy 2002-08-04

打赏
举报

回复

首先要精通C++，然后有COM的基础,最后就是：努力努力再努力。

书山有路勤为径，学海无崖苦作舟

知乎上有一个关于“机器学习该怎么入门”的火热问题，在从事机器学习研究两年之际，分享一下我的看法。绝对干货哈！本文的宗旨是：1、指出一些自学误区 2、推荐近年精品资料 3、分享切实可行的机器...

我粗算了一下对机器学习（偏理论和方法论不偏工程）大概30个技能点吧（可能增加）每个点我分成高中初三个级别即总共90分为了方便理解默认本科毕业送基础分10分凑到100分以我自己为例我入学博士的时候是英国本科大致上7+10=17分博一（21分）：上数学系博士课和机器学习的入门课并多次参加kaggle 第一次使用tensorflow但不会读paper 更不会写找了几个做ML的老师结果都被拒了试着了解了几个女生但没遇到合适的博二上（31分）：刚开学遇到了我现在的导师开始了第一个线性模型项目

文章目录深度学习神经网络中的Epoch、Iteration、Batchsize反向传播（BP）CNN本质和优势鞍点的定义和特点？神经网络数据预处理方法有哪些？神经网络怎样进行参数初始化？卷积卷积的反向传播过程CNN 模型所需的计算力（flops）和参数（parameters）数量是怎么计算的？池化（Pooling）池化层怎么接收后面传过来的损失？平均池化（average pooling）最大池化（max pooling）感受野感受野的作用感受野计算卷积神经网络的感受野权重初始化方法Xavier正则化方法Ba

本书是一本全面介绍机器学习基础与应用的指南。全书分为三大部分：思想与基石、主流模型详解和高级实战演练。第一部分从机器学习世界观入手，讲解Python环境配置和数据处理核心工具（NumPy、Pandas、Matplotlib）。第二部分深入剖析监督学习（分类、回归）和无监督学习（聚类、降维）算法，包括逻辑回归、SVM、随机森林等经典模型。第三部分通过金融风控和NLP两个实战项目，完整展示从数据预处理到模型部署的全流程。

这一章重点探讨统计模型和机器学习模型，两个大的主题都建立在数据的基础之上，所以要熟练掌握对数据的处理与分析。实际上，机器学习本身就是统计模型的延伸，是在大数据背景下传统统计方法捉襟见肘了，所以才考虑引入机器学习。在学习过程中，大家会接触到大量的算法，一方面要理解算法的基本原理，另一方面又要能针对实际问题进行灵活应用。注意：本章内容是比较难以学习的一个章节，希望各位能够耐心去看完这一章。另外，大家还要注意，机器学习方法虽然应用非常广泛，但也有它的局限性，并不是所有数学建模问题都适合使用机器学习来处理。本节将重

70,038

社区成员

243,246

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章