如何充分利用机器学习的书籍和课程

如今,在网上网下,我们有许多机器学习书籍和课程可用来学习,而同时网上又掀起了大学课程和电子书逐渐免费的趋势。太多的优秀资源可以使用也许会让您感觉到要被压倒。而这样的感觉可能会阻止您开始机器学习或在机器学习上取得进展。

在这篇文章中,我想和大家分享一下自己学习的技巧,一个可以让我通过阅读一次学习的资源,便可提取出一切我觉得可以从中学习的内容,并将其整合到我自己的知识库中来让我利用在学习路上继续前进的技巧。

如何充分利用机器学习书籍和课程

MIT OEIT提供的照片,保留部分权利

我所使用的知识库的策略和技巧是在大学里修炼得来的,与此同时,我也完成了许多不同的学位和这些领域的更高的学位。尽管在正式场合很有用,但我认为它们在自我学习的环境中也是非常宝贵的。在自我学习的环境中,您往往有更多的压力让您更高效地利用时间和资源。

知识库策略

采用知识库策略。知识库是您创建的用来支持您的记忆的大量的材料的集合。您不必记住你研究的所有东西的细节,只要记住您研究的内容和您的笔记在什么地方。

知识库策略要求您在计算机或云中创建一个目录。在该目录下,您将为每门课程和每本你看完的或者正在读的书创建一个文档,其中将描述您从该材料中学到了什么,以及要从哪里获得更多详细信息。对于较大的课程,您可能需要为课程的每个单元或者进行课程的每一周创建一个子目录和一个文档。而目录结构和文档的具体细节由您自己决定的。

原则是您一次触摸资源便彻底完成以上步骤,以便您可以在未来根据需要再次好好利用它。这通常意味着您需要阅读或吸纳它,同时采取明确的笔记。

机器学习课程学习指南

课程可以由视频,文字,音频和演讲者组成。您的目标是将您从课程中学到的材料内化,将其与您已经拥有的知识相关联,并以摘要形式记录下这些理解。

课程还可以有额外的阅读和资源,以及测验,考试,教程,练习和作业。在可接受的合理范围内,这些资源也必须以类似的方式处理。它们都只是旨在帮助您吸收材料的工具,并且您一定要利用这些工具来将所展现的知识整合到您的知识库中,这将会给您带来益处。

以下是如何从机器学习课程中获得最多知识的五个技巧。

规律的时间表

设计一个例程,以便您可以按照连续而又有规律的时间表完成课程工作。例如每隔一天学习一个小时,或每个星期六学习8小时。提前规划您的时间块从而有效利用时间。

例程可以让您走得很远。当即将到预设时间的时候,您应该不会想在那个时间块内才想你要做什么。您必须事先预先分配任务,以避免压垮您的或过度的思考。在每个时间块结束时,为下一个时间块分配任务,让您充分利用好下一个时间块。

您的真实时间也许会错误至估计时间的2或者4倍。请您考虑至少将计划的时间加倍,或将您预先分配给这些时间的工作量减半。

创建课程讲义

课程可分为单元或周或类似的时间表。每个时间间隔都会有相关材料,你最好将它们内化吸收。而您最好以笔记或演讲幻灯片的形式对课程的材料进行总结。

您需要从头开始间隔地创建自己的材料摘要。这将需要您记录下时间块中使用的材料的笔记,然后将其分解为逻辑联系的结果后进行汇总。这可能与向您展示的材料的结构相同,但通常并非如此。它可以是不同的,因为您可以将材料与你已有的知识联系起来,可以看到一种更清晰的方式来向你自己的大脑呈现材料,而不是它原有的呈现方式。

对于每个单元或每周的材料,目标应当为一页摘要。这将随着内容的数量而变化,但是其目的是总结关键概念的材料和连接这些概念的线索。在这些概念上,您需要的任何细节都将在原始材料中提供,如演讲视频或阅读需要

慕课

mathplourde提供的照片,保留部分权利

学习小组

组建一个有伙伴和顾问的学习小组。你需要有和你同一个层次的人以同样地节奏共同学习和处理这些材料,这样的话,你能够和他们讨论相关的内容并且确认你已经理解它。此外,分组学习比单独学习更有效率,尤其是如果你能与其他比你走得更远或者走得更快的学习者相结合。

你的学习小组也可以将那些已经完成课程的人纳入其中,他们可能可以做到没有和你一起学习材料,但同意在Skype上回答您的问题或者与你讨论奇怪的概念。

使用学习小组来测试您对知识的理解。我喜欢用的一个策略就是主动地解释概念,尽管我还没有完全掌握它们。我也会为了得到评价与我的组员分享我的所有笔记,我会为小组和自己从材料中创建练习测试来让我们完成。既创造性地从小组环境中获得最大的回报,同时也回馈帮助他人。

提前完成作业

课程几乎总是有工具来评估你对材料的获取和内在化,例如考试,考试,辅导,作业,写文章和做练习等形式。

完成作业对于在网上或者课程中自学极其重要,因为通常你会有很少机会来评测自己是否记住了。

请在课程和计划开始时注意这些材料,以便及早完成并经常复习结果。例如,如果有一个正式的考试或测试,你可以在你接触到所有的材料之前,从你可以练习的课程的前几次迭代中找到样本考试或测试。

如果您有自己的作业,请早一点创建一个最小且最为简单的版本,并且在您学习更多并且接触到更多的课程内容的时候逐渐往里面增加东西。您可能需要积极地去寻找它,甚至向您的老师请求往年的作业。利用这个机会获得尽可能多的额外的内容,而这一切都是让您更快更彻底地学习材料的强力帮助。

这是一个强大的技巧,因为它会迫使您找材料,以便在您完全理解好之前能够回答问题和作业的细节。而这个过程的压力将会推动你发现的东西彼此连结起来。当您在课程中接触到这些你已经理解的材料时,你的理解将被填充和完善,从而让您超越了初学者的界限。

我经常使用大学的小组作业来推动自己独立完成得到结果,然后把材料传授给小组的其他成员,或者让自己作为小组进一步学习的基准。

完成附加阅读

在线上几乎总是有额外的阅读材料让您来完成。活跃地解决这个问题,并使用下面列出的步骤将这些材料内化到您的知识库中。

额外的阅读通常是书籍的章节,论文和网站的形式。考虑如何找出自己的额外阅读材料以补充材料,并遵循相同的过程来内化材料。

机器学习书籍学习指南

机器学习书籍曾是指用于研究生研究的教科书集合。在过去的几年中,这个领域已经发生了很大的变化,所以现在已经有了一系列适用于初学者的应用书籍其中包含作业和实用技巧和项目教程。

我建议您从应用书开始,随着对该领域的理解逐渐成熟,开始使用教材,而在此过程中,对更深层次的理解的渴望会激励您。

您可以更快地学习书籍,因为它们是分散的,通常涉及的材料较少。如果你不能快速学习一本书,很可能这是一个你没有准备好的标志。利用这一标志并寻找资源弥补个中差距。例如,如果您在一种数学处理的方法当中长期地迷失了,这很可能是您在学习书中的具体的特定处理之前需要使用一般数学方法处理一些材料的标志。

您可以使用书籍作为参考,以及时学习特定主题的材料。本节中的策略不适用于此用例。就像上面这个课程的处理策略一样,本节的策略是从头到尾以线性的方式学习一本书。

以下是学习机器学习书籍并将这些材料合并到您的知识库中的五种策略。

机器学习

justgrimes提供的图片,保留部分权利

一次阅读

比你自然地阅读一本更慢地学习每一页,每一章和整本书是更好的,也因此你能够只碰它一次。

请花时间仔细阅读材料,以确保您理解并充分内化知识,从而不必重读。这可能意味着如果你感到疲倦,你需要停下来,或者等到一段安静的时间,您才能对材料进行更好的处理学习。

当然,您可以再次阅读这本书,但是你将来对这个材料的引用应该是更细的细节,而不是一般的公式,因为那些应该已经在你的知识库中了。

主动阅读

在您正在做笔记的时候,主动阅读与被动阅读是彼此分离的。您在逐渐展开的材料中,您是主动的参与者,而不是消极的被动者。

积极的阅读是必需的,用来确保您可以从书中得到最多的知识,所以基于以上的技巧,您只需要阅读一次。

章节摘要

在完成阅读之后,创建每章的单页摘要。

在阅读时我通常会留下大量的笔记,但只有这些笔记的亮点将会成为本章总结的一部分。我喜欢一页纸的概念,有限的范围促使文字变得简洁。

书本摘要

一旦完成了书中所有章节的摘要,就可以创建整本书的单页摘要。这必须包括书中关键内容的简要总结,而这个可能会涉及到每章的内容。

我还想在其中写上一两句关于这个作者写这本书的动机或者定位的内容。而这些内容,在当我需要回顾时,将有助于我在脑海和知识库中重现这本书。

继续阅读

机器学习是一门技术学科,几乎所有的书籍都会有参考资料或更多的阅读材料。请仔细阅读参考文献,并注明您希望阅读的后续内容以及关于原因的说明。

把这个清单加上您学习完的书的材料。如果您正在寻找要阅读的内容,或者希望深入了解某种特定的方法或技术,那么这些内容将会对于您将来的复习很有用。

扩展内容

如果您想加快你的机器学习或任何技术领域的学习,保持和维护个人知识库的想法是很有作用的。

以下是一些您可能会觉得有用的其它的大致的技巧:

  • 纸质档案:您最终会找到并阅读大量有关机器学习的论文。这包括会议文章,期刊论文,学位论文和技术报告。收集这些材料、他们的细节和这些材料的链接,以便我可以快速参考他们并处理论文。
  • 积极吸纳:使用积极的阅读过程来对待博客文章和研究论文,就像处理学习书的一章一样。如果材料是无用的垃圾(通常情况下,它们还可以),请停止阅读,并在知识库中注明这一点。
  • 算法描述:维护一个算法描述的知识库。使用一个模板来正式地描述算法,使用一些关于算法的关键问题(5-10)。维护您使用模板一起描述的算法。你将很快建立自己的算法百科全书。

总结

在这篇文章中,我们提出了一个建立机器学习领域高效自学知识库的策略。然后,我们提出了可用于构建在线课程和阅读书籍的知识库的各五个策略。

这是一个全面的学习过程,其中很多方法是在我作为一名顾问或作为正式研究项目的一部分而发展起来的——正是我在做的。您可以挑选您喜欢的知识库策略的要素并坚持运用它。

在很短的时间内,您甚至将很快能够从纸张好坏中分辨好的书籍。此外,您将密切地关注自己的学习方式,那您会降低更正式的培训的需要,因为您已经能够设计一个您自己执行的培训计划。

下次您学习课程,观看视频或看书时,哪些技巧会被使用?您有没有使用您认为符合知识库战略的策略?留下评论,分享你的经验。

本文的版权归 Bon 所有,如需转载请联系作者。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

互联网金融,如何用知识图谱识别欺诈行为

4589
来自专栏专知

【前沿】人工智能系统的四大趋势与九大挑战,美国Berkeley14位重量级学者(包含机器学习泰斗Jordan)最新观点

【导读】最近,加州大学伯克利分校大学的大牛们针对目前AI的火爆形势,又总结了一篇《A Berkeley View of Systems Challenges f...

1.1K6
来自专栏PPV课数据科学社区

【技术】大数据关键技术

大数据技术,就是从各种类型的数据中快速获得有价值信息的技术。大数据领域已经涌现出了大量新的技术,它们成为大数据采集、存储、处理和呈现的有力武器。 ...

3624
来自专栏AI科技评论

业界 | 百度IDL最新成果:从自然语言入手,教AI智能体像人类一样学习

尽管人工智能取得了巨大的进步,但在许多方面仍然存在局限。例如,在电脑游戏中,如果AI智能体未预先编程游戏规则,则必须尝试数百万次才能确定正确的选择。人类可以在更...

29010
来自专栏ATYUN订阅号

亚马逊为开发者带来249美元的学习工具:DeepLens深度学习相机

亚马逊的云计算子公司亚马逊网络服务(AWS)终于为美国开发者推出了DeepLens深度学习相机。

1203
来自专栏BestSDK

不出声说话也没用!牛津大学开发出唇语解读智能技术

解读“唇语”一般都是在电视剧里出现的特殊人才所具备的技能,当然读“唇语”也被广泛应用于不便传小纸条的上课聊天以及考试作弊的场景下。不过这项特殊又神秘的技能被牛津...

3036
来自专栏ATYUN订阅号

MIT团队开发用脑电波和手势控制机器人的系统

让机器人做事并不容易,通常,科学家必须明确地编程或让它们了解人类如何通过语言进行交流。

1003
来自专栏华章科技

分布式实时处理系统浪潮——浅析“深度学习”看未来发展

Autodesk资深系统研发工程师,从事平台架构方面的研发工作。曾在思科系统(中国)研发中心云产品研发部工作多年,全程参与了海量数据实时处理、分析系统的构建与实...

782
来自专栏新智元

Michael I. Jordan联合UC伯克利13位重量级学者:下一代人工智能系统的4大趋势和9大研究课题

【新智元导读】最近,加州大学伯克利分校大学的大牛们针对目前AI的火爆形势,又总结了一篇《A Berkeley View of Systems Challenge...

42010
来自专栏SDNLAB

应用驱动网络(ADN)开启用户体验新时代

未来网络的核心挑战是如何解决网络架构制约商业模型创新的问题。 运营商的收益依赖于用户规模,用户增长面临瓶颈。互联网最初架构的思想就是为了流量而建网,并不考虑不...

4069

扫码关注云+社区

领取腾讯云代金券