这是一个创建于 125 天前的主题，其中的信息可能已经有所发展或是发生改变。
高校工作，地球科学领域，以往工作内容相对传统。
想涉足机器学习方面解决有关判别等方面的问题，但计算机语言相对薄弱且分心工作较多。
1.系统学习 python 是不错，但恐怕科研产出较慢，不适合现今科研卷的环境。
请问有什么以案例为主或以结果为导向、容易快速上手的学习方式和教程（视频/书籍）推荐吗？
2.有看到一些近些年较新的 low-code/no-code 的软件，如 knime 、rapidminer 、organge ，目前大致看了下 orange 教程。
请问这些软件差异大不大？，哪个软件是否值得上手？能否胜任常规科研问题的解决(局限性不要太大)？
想寻求各位大佬们的一些建议，提前谢谢！
想涉足机器学习方面解决有关判别等方面的问题，但计算机语言相对薄弱且分心工作较多。
1.系统学习 python 是不错，但恐怕科研产出较慢，不适合现今科研卷的环境。
请问有什么以案例为主或以结果为导向、容易快速上手的学习方式和教程（视频/书籍）推荐吗？
2.有看到一些近些年较新的 low-code/no-code 的软件，如 knime 、rapidminer 、organge ，目前大致看了下 orange 教程。
请问这些软件差异大不大？，哪个软件是否值得上手？能否胜任常规科研问题的解决(局限性不要太大)？
想寻求各位大佬们的一些建议，提前谢谢！
2 条回复 • 2024-07-22 14:06:20 +08:00
 |
1
huangyezhufeng 122 天前
我来泼点冷水吧，以下是个人观点。
从长远的角度看，既然要用到机器学习的工具，只要不是临时用一下就不用，你都需要学好 Python ，并且需要学好几个机器学习库的使用。 对于你说的第一个问题和观点，我是不认同的。科研卷，没错。但是学好 Python 只会让你效率更高，而不是更低。你学习语言付出的这点时间和后面折腾那些软件的时间比起来不会多很多。 对于第二个问题：基本上到了软件工具这一层(相比编程语言)，基本不会差太多。我初学时也用过 Orange ，确实还可以，但是你能做的东西就只能在他们的功能下搞，太局限了。 我能理解题主想要快速开始，快速上手，快速产出的心态，但是我还是想说这种方式就算走下去也是囫囵吞枣。即使能够短期获得一些收益，前进的空间也十分有限。 以上。 如果能看到这里，是不是可以说明我们其实没有那么急？或者说不需要那么急？那么，下面是我推荐的机器学习入门路线。 1. 学习 Python, Stanford CS106A: https://cs106a.stanford.edu/ 2. 学习机器学习理论: Learning from Data ，Machine Learning in Action ，《统计学习方法》 3. 学 sklearn 4. kaggle 项目学习 |
 |
2
amnaruto OP @huangyezhufeng 等待多时无人应助回答，谢谢如此详细回应，我参考学习下✌🏻
|
Select Language