前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >简单粗暴地入门机器学习

简单粗暴地入门机器学习

作者头像
杨熹
发布2018-04-03 15:08:03
9190
发布2018-04-03 15:08:03
举报
文章被收录于专栏:杨熹的专栏

有很多小伙伴问过我零基础要怎么入门机器学习或者人工智能,今天来提炼一下,方便志同道合的朋友们参考。

记得我刚入此山洞准备修炼的时候,就 Google 了好多这类的问题,那时候觉得大家的建议好多呀,这条路看起来真长,那么多东西要学,那么多书要看,那么多有用的课程要学。

现在我可以就自己走过的坑坑包包来推荐一条简单粗暴的路径。


[step 1: 方向]

在行动之前,先想好这几个最基本的问题,如果自己想不全都可以去搜一下,知乎上很多大拿的回答:

--1.为什么要学习机器学习或者人工智能呢?

我的话,很实在地说,就是不想被淘汰呀!最开始就是这么一个感觉。 官方一点的话,就是可以提高效率呀。 广泛的需求我并没有去想,只是想解决一下自己的需求。 譬如,不想做家务,就弄个机器人给我做;不想做琐事,就弄个智能助理给我做。

所以大家在开始入洞之前,也要先想几分钟这个问题:

eg:是想做数据科学还是人工智能开发呢? if Data Science:就多做 kaggle 上偏分析的项目 if AI:再想想是自然语言处理还是图像识别呢?

我觉得 NLP 和 CV 是最基础的技术,AI 主要还是看应用领域,现在比较火的:自动驾驶,聊天机器人,ARVR,智能家居,智能教育,等等,最基础的就是看和理解么,当然对于每个具体的方向,肯定是涉及到更多技术和具体的细节知识需要去学的,不过入门的话,这俩是基础。可以选其一,有兴趣也可以选俩。AI 主要还是跟实际应用场景关联起来意义才大,医疗,生物,气象,教育,交通目前比较火,对某个领域感兴趣可以专攻更深。

--2.机器学习,人工智能,数据科学的关系?

为了确立明确的入口,最好是知道这三者的关系,方便大家做计划时更专注一些 大家可以去多看几篇这样的文章,可以很快地了解一下大纲。

我比较喜欢下面这个图,因为它还列出了其他几个大的技能。 来自这篇文章:http://www.cnblogs.com/DonJiang/p/5744535.html

从这个图看,机器学习的基础还是要看滴,虽然现在深度学习很流行,类似 Tensorflow 等平台也可以直接把数据仍进去,调用多种模型,变换网络的层次等参数,它就输出结果,不过神经网络模型是只是机器学习的一种,不是全部。当然开始的话,完全可以跨过ML课程,去学用TF训练一个聊天机器人,分析情绪,翻译器等等。

--3.多长时间后想达到什么样的目标?

eg:1 年后找到 ML 工作 then:简历上需要相关项目 or 学历背景 对于很多已经工作的伙伴,学历如果不容易实现的话,可做好项目这一栏。 then:在拉勾网等招聘网站上面找到感兴趣的工作,去看相关工作描述,提取出需求的技能,列入学习清单,学习时间紧时可以挑相关的先重点学。


[step 2: 路线-步骤]

第一步确立方向后,假设你想做人工智能,并且是自然语言处理,以此为例:

入门路线的话,一点我只推荐一个吧,简单不会被吓到,也是我经验觉得比较高效的:

--1.语言:

推荐 python 入门书:learn python the hard way pkg 教程网站:python scikit-learn 当然还需要 numpy,matplotlib,pandas 等常用包,scikit 是介绍算法多一些,可直接看

--2.课程:

Coursera 上吴恩达的是我觉得比较基础且系统的,但它用matlab,大家可以直接换成 python 去敲代码。Udacity 上的机器学习课程是用 Python 做的。

--3.书:

周志华的西瓜书《机器学习》

--4.自然语言处理基础:

课程:cs224d 如果是图像处理,课程:cs231n

--5.小项目:

数据科学:Kaggle 上很多好玩的比赛,开脑洞+实战 人工智能:建议找个感兴趣的小方向,实际做出来一个,例如做一个自动会创作音乐的小程序

--6.螺旋式升级:

我觉得最有意思的就是在第5步,这期间就会发现还有好多关联东西需要学,所以就边学边战吧


[Tips]

2017 可以给自己定个小目标,一个月拿下一步,升一级,酱紫至多 5 个月后你就可以有自己的AI了。

上面几步,大家完全可以根据自己的喜好,在搜索引擎提供的结果中,选择适合自己的资源和节奏。

我觉得最有效的就是从实战中学习,但是理论也是必不可少的。

每一步先只选一个,适合自己的资源,就开始好好学。

上面只是一小步,离精深还远。

[关于阻碍]

大家担心比较多的问题就是,数学不记得了还能学么?

我觉得,暂时不要紧,可以直接看 scikit,里面有代码的 demo,知道套路可以用,先用上就会很有成就感。 里面文档不懂得,例如哪些参数什么意思呀,怎么调呀,也可以找搜索引擎帮助。 不过面试的话,对模型的原理,推导,细节还是要把握好的。

大家都说成长最快的方式,就是找这个领域的牛人学习。对于这种学习,如果没办法做到直接的,在线的,看他的书呀,听他的课呀,都算是学习。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017.02.19 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • [step 1: 方向]
    • --1.为什么要学习机器学习或者人工智能呢?
      • --2.机器学习,人工智能,数据科学的关系?
        • --3.多长时间后想达到什么样的目标?
        • [step 2: 路线-步骤]
          • --1.语言:
            • --2.课程:
              • --3.书:
                • --4.自然语言处理基础:
                  • --5.小项目:
                    • --6.螺旋式升级:
                    • [Tips]
                    • [关于阻碍]
                    相关产品与服务
                    NLP 服务
                    NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。
                    领券
                    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档