前言
如今机器学习非常的火,在视觉,语音识别,医疗,自动驾驶等等领域都应用的非常的广泛,并取得一定的成果。可以肯定的是,机器学习未来必定会改变人们的生活。当然对于机器学习有浓厚兴趣的年轻人,想打开机器学习的大门,透过门缝窥视一二,那么如何去学习机器学习这门工程技术就变得非常的重要。但是机器学习入门门槛还是非常高的,特别是对数学还是有一定的要求。本人通过阅读在网络上大量的如何机器学习文章,讲讲自己的看法和规划。
废话不多说上一下自己哪些看的科普性质的文章
两大网络百科全书-百度百科和维基百科
知乎平台上网友贡献的资料
如何简单形象又有趣地讲解神经网络是什么?
机器学习该怎么入门?
深度学习如何入门?
机器学习领域有哪些著名的期刊和会议?
知乎机器学习专题栏目
其他的文章资料
什么是机器学习:一次权威定义之旅
机器学习领域的几种主要学习方式
Level-Up Your Machine Learning
How to Get a Job In Deep Learning
机器学习系列(16)_怎样找到一份深度学习的工作(附学习材料,资源与建议)(How to Get a Job In Deep Learning的中文翻译地址)
Metacademy神器:Metacademy是一个优秀的开源平台,许多专业人员共同在这个平台上编写wiki文章。目前,这些文章主要围绕着机器学习和人工智能这两个主题。
如何更好地学习机器学习
台湾李宏毅教授一天搞懂深度学习入门ppt
果壳机器学习小组
学习攻略 | 机器学习 学习路线图
Journal of Machine Learning Research
个人看法
阅读了这么多杂七杂八的网友提供的资料。反正总体感受,机器学习的门槛比传统概念的编程难度高多了。他的门槛在于要有良好的数学基础,大概需要:1.线性代数2.微积分3.统计4. 凸优化这些数学知识,这几个是机器学习所必需的。还有几个不是必须,但是对加深机器学习的学习帮助也很大,如概率论,数值分析,运筹学等等。大学上过高等数学,线性代数这些基础基本上忘的七七八八了,所以复习或者说是重新去学习这些数学知识就变得很重要了。然后再去学一个机器学习框架,例如基于python开发的TensorFlow机器学习框架。在这个框架下去开发一些现成的项目,算是入门,对机器学习有大概的概念。有了这些基础之后,然后就是深入,实现自己的想法,并做出一个小型产品级的项目,算是对自己的提高。接着就是按照自己的兴趣去扩展学习了,毕竟一个领域有很多的方向,一个人的精力有限,不可能面面俱到,没有自己精通的方向,所以选择自己的感兴趣的方向去精通它。最后要提一句,本人英语不太好,看很多国外专业的英语资料很费力,现在深刻的感受到学好英语的重要性,所以英语不好的学好英语也很重要啊!!!