从零开始学习人工智能：自学机器学习的一周

2018-10-31

今天是我挑战“从零开始用半年时间自学人工智能”这个任务的第15天。

这周的事情比较多，没什么时间写学习心得。今天，我总结一下这周的学习情况。

上周我已经学完了Python相关的材料，并且了解了一下机器学习的基本原理。这周我先学习了MIT的吴恩达教授在Coursera上的机器学习课程。这是一个知乎上很多大神都推荐的课程，学习课程的人数也很多，课程的评分也很高。但是我并没有学完，因为这门课程使用的编程语言是Octave，虽然吴老师在课程里面说这是一门机器学习领域的热门语言，但是笔者了解了一下，其实现在机器学习语言中比较热门的还是Python，知乎上有人说，包括吴教授自己现在用的也是Python，这也说明了这门课程相对还是比较老的课程，因此，我学到Octave这部分就放弃了。总的来说，这是一门比较偏向于理论知识而非编程实践的课程，课程的内容中规中矩，总体的节奏比较缓慢，我不大推荐新手一上来就学习这门课程。如果你真的要学，我推荐你把视频的播放速度调成2倍速，因为为了照顾新手，吴教授的语速放得比较慢，调成两倍速刚刚好。我就是这样花了不到一半的时间，学完了前两周的课程，Quiz什么的也都做了，都是一次过了。

学完之后，我顺便看了吴恩达正在写的一本书《Mechine Learning Yearning》的草稿版，里面有一些关于机器学习的指导性的建议，适合已经入门之后，想继续学习的人，新手可以忽略。而且，我看的是草稿版，里面还有很多内容要细化。

接下来我又学习了谷歌自家出的机器学习教程，这门课程跟吴恩达的基本相反，是一门偏向于编程实践的课，原理这部分讲的不多，但是在编程部分花了不少的功夫，但是总的来说，内容讲的比较浅，学完之后只能了解一个机器学习的基本，特别是在机器学习里非常重要的数学部分讲得不多，学完之后还要进一步恶补这方面的知识。

我还看了莫烦Python上关于机器学习的一些视频，这些视频相对比较有趣，作者所讲的例子也比较浅显，但是不够体系，如果你没有任何基础去看的话，可能会在一些地方卡壳，不建议入门看，但是已经有基础了可以看看，作为补充。

接下来我又看了《Tensorflow：实战Google深度学习框架》这本书，因为我对机器学习的编程部分比较感兴趣，不过，浏览了一两章后，我觉得整体来说，写得比较啰嗦，因此放弃。

以上主要是一些中文教程，都不是特别满意，因此我开始转向英文教程。

我先在TensorFlow的官网上学习一些基本的语法，并把官网上提供的几个例子的代码自己写了一遍，感觉还不错，为了增加难度，我把这些例子里面的一些代码重新改了一下，用来测试自己对Python的掌握程度。

总的来说，官网的资料还是不错的，我在上面学到了很多东西，但是，要在上面学东西有一个前提，得先有一定的基础，否则，官网上的一些表述会让你头晕脑胀的，笔者学习了前面几个教程之后，算是有一点基础了，但是看一些语法的说明时，还是有点摸不着头脑，比方说“tf.concat”这个代码的说明，我就看了很久才明白，本来是很简单的东西，官网的说明把它写复杂了。

接下来我又看了斯坦福的TensorFlow课程，这是一门从基础一点一点教你用TensorFlow来写机器学习代码的课程，你可以在官网上看到课程的ppt和笔记，笔记总结得很仔细。值得一看。

接下来我看的书是《Hands on Machine Learning with Scikit Learn and TensorFlow》，还没看完，打算有时间把里面的一些例子拿出来做一做。

值得一提还有斯坦福李飞飞的图像识别课程，这是一门用卷及神经网络来进行图像识别的课程，目前还没看完。下周我打算再深入地了解机器学习在各个细分领域的应用，Coursera上还有几门不错的课程，下周继续刷这些课程。

暂时我不对所有的资料进行评分，等学得差不多了再说。