简单粗暴地入门机器学习

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：

－－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。