<mark id="oztn4"></mark>
4
| 本文作者： 何忞 | 2016-11-23 09:28 |
編者按：本文首發(fā)于 medium，作者 Suff，他在文章中為許多想入門(mén)機(jī)器學(xué)習(xí)卻苦苦沒(méi)有開(kāi)始的讀者們提供了一份學(xué)習(xí)計(jì)劃，詳細(xì)到周的規(guī)劃可以讓你更加游刃有余地把握進(jìn)度。雷鋒網(wǎng)整理編譯，未經(jīng)許可不得轉(zhuǎn)載。
哈嘍，大家好！如果你點(diǎn)進(jìn)了這篇文章，那你應(yīng)該是想要學(xué)習(xí)一些機(jī)器學(xué)習(xí)的知識(shí)的。如果你還沒(méi)有想好，或者覺(jué)得有些困惑，那么我得提前給你打個(gè)預(yù)防針：學(xué)習(xí)機(jī)器學(xué)習(xí)的過(guò)程其實(shí)是比較艱辛的。
如果你始終懷有堅(jiān)持的信念，并且大膽嘗試的話，你就可以從這篇指導(dǎo)中比別人得到更多。因?yàn)檫@篇指導(dǎo)不僅能幫你形成一種全新的思考方式，還可以啟發(fā)你如何將所學(xué)的知識(shí)應(yīng)用到你自己的實(shí)踐當(dāng)中，使你的工作更加富有創(chuàng)造力，擁有更多可能性。
目前對(duì)機(jī)器學(xué)習(xí)的初學(xué)者來(lái)說(shuō)，最大的問(wèn)題在于面前有幾十年積累的研究成果，可切入點(diǎn)太多，反而不知道從哪里入手開(kāi)始學(xué)習(xí)。就像愛(ài)迪生做了 1000 次嘗試，最終發(fā)明了電燈一樣，人工智能領(lǐng)域的研究進(jìn)程，也經(jīng)歷過(guò)幾十年的試錯(cuò)過(guò)程（AI 研究的冬天），直到現(xiàn)在，該領(lǐng)域的研究才真正開(kāi)始向前推進(jìn)。所以你會(huì)從第一次，或者第 79 次，或者第 999 次嘗試那里開(kāi)始學(xué)習(xí)嗎？其實(shí)并不用。我們可以直接從真正推進(jìn)的那一刻開(kāi)始學(xué)習(xí)（或者說(shuō)目前看來(lái)是步入正軌的地方）！
所以這里我建議你學(xué)習(xí)的第一步是觀看 Andreessen Horowitz 上 Frank Chen 的 AI 啟蒙視頻，憋說(shuō)話，先把它看完。因?yàn)?Frank Chen 在人工智能領(lǐng)域的大眾啟蒙方面有著突出成績(jī)。
觀看地址：https://vimeo.com/170189199
同時(shí)，這個(gè)視頻也可以當(dāng)做是一個(gè)小小的自我檢測(cè)，考察自己是否真的對(duì)人工智能領(lǐng)域充滿激情。如果你只是想要簡(jiǎn)單了解人工智能，在工作會(huì)議中顯得更加博學(xué)（裝X），那么我推薦你閱讀哈佛商業(yè)評(píng)論的推薦清單即可。但是如果你想要深入了解人工智能，學(xué)習(xí)其中的技巧，那么請(qǐng)繼續(xù)閱讀本文。
學(xué)習(xí)新事物的第一步是評(píng)估哪些是你已有的知識(shí)；哪些是你可以較為輕松地進(jìn)行遷移的知識(shí)。簡(jiǎn)單起見(jiàn)，我將學(xué)習(xí)者可能處于的階段分成三種。階段的劃分取決于你對(duì)機(jī)器學(xué)習(xí)必備的兩大基礎(chǔ)知識(shí)——數(shù)學(xué)和編程的掌握程度。讀到這里，請(qǐng)先不要放棄。一個(gè)相對(duì)較好的數(shù)學(xué)基礎(chǔ)和對(duì)簡(jiǎn)單編程的基本了解確實(shí)可以讓你學(xué)習(xí)得更加輕松。
我不得不承認(rèn)，對(duì)于小白初學(xué)者的學(xué)習(xí)指導(dǎo)寫(xiě)起來(lái)有些困難。但是這 20 周的學(xué)習(xí)對(duì)小白初學(xué)者來(lái)說(shuō)是至關(guān)重要的。只有擁有一個(gè)強(qiáng)大的基礎(chǔ)，你才能持續(xù)不斷地學(xué)習(xí)多的技巧，在機(jī)器學(xué)習(xí)領(lǐng)域中走得更遠(yuǎn)。我明白你們對(duì)數(shù)學(xué)和編程有些抗拒（其中的原因可能有很多，比如說(shuō)老師太差）。但是你必須開(kāi)始攻克這些難關(guān)。相信自己在努力過(guò)后，必定能變得更加強(qiáng)大。
這里，我首先建議你們?cè)诳珊箤W(xué)院上注冊(cè)賬戶（這個(gè)是完全免費(fèi)的，內(nèi)容也很有趣）。我自己就在那里獲得了計(jì)算機(jī)科學(xué)的學(xué)士學(xué)位，這個(gè)學(xué)位要求我進(jìn)行了很多復(fù)雜的數(shù)學(xué)計(jì)算。我敢說(shuō)，可汗學(xué)院真的幫助我在數(shù)學(xué)上建立了信心，它的作用比我學(xué)習(xí)生涯中所有老師的影響都大。
我們從算法開(kāi)始學(xué)習(xí)，這部分應(yīng)該進(jìn)展的很快。對(duì)算法概念的深刻理解和一些技巧的掌握可以幫助你快速學(xué)習(xí)機(jī)器學(xué)習(xí)技能，甚至可以讓你順便掌握深度學(xué)習(xí)算法。人工智能領(lǐng)域目前的成就很大程度上源于更好的訓(xùn)練算法。所以從算法開(kāi)始學(xué)習(xí)是至關(guān)重要的。
https://www.khanacademy.org/computing/computer-science/algorithms
我個(gè)人非常喜歡這個(gè)教程。如果想要學(xué)習(xí)用 Python 語(yǔ)言編程，那么 Mimo 軟件是非常適合的。很久不編程的我都會(huì)因?yàn)?Mino 軟件而重新點(diǎn)燃了編程的興趣。 你可以在地鐵或者出租車上使用這個(gè)軟件，輕松學(xué)習(xí)如何編寫(xiě)出酷炫的應(yīng)用。軟件官方建議用 4.5 小時(shí)來(lái)學(xué)習(xí)這些核心概念。
這絕對(duì)是一個(gè)不能忽略的部分。對(duì)線性代數(shù)的理解是學(xué)習(xí)機(jī)器學(xué)習(xí)的必備條件。你可以根據(jù)自己的情況決定自己的學(xué)習(xí)進(jìn)度。當(dāng)然，我強(qiáng)烈建議你完整地學(xué)習(xí)該課程，獲得課程全部徽章。
https://www.khanacademy.org/math/algebra-home
接著，你需要堅(jiān)實(shí)的統(tǒng)計(jì)學(xué)和概率論的基礎(chǔ)。畢竟，在機(jī)器中構(gòu)建通用的人工智能實(shí)際上就是用來(lái)預(yù)測(cè)可能性的。
https://www.khanacademy.org/math/statistics-probability
①如果你已經(jīng)成功地完成了該階段對(duì)于算法、Python 語(yǔ)言、代數(shù)、統(tǒng)計(jì)學(xué)、概率論的學(xué)習(xí)。那么，請(qǐng)好好獎(jiǎng)勵(lì)自己。因?yàn)檫@個(gè)階段并不簡(jiǎn)單，但是卻是非常值得的。現(xiàn)在，你已經(jīng)是一個(gè)“積極的初學(xué)者”了。在 20 周的時(shí)間內(nèi)從完全小白初學(xué)者到積極的初學(xué)者的成就，是非常值得肯定的。你的熱情和決心在后續(xù)的學(xué)習(xí)之中需要繼續(xù)發(fā)揚(yáng)。
②如果你還想要更加穩(wěn)固自己的基礎(chǔ)知識(shí)，以便在人工智能領(lǐng)域走的更遠(yuǎn)，這里還有一些進(jìn)階教程，供你參考。
https://learncodethehardway.org/python/
https://www.khanacademy.org/math/calculus-home
微分方程——3周
https://www.khanacademy.org/math/differential-equations
對(duì)相對(duì)初學(xué)者而言，最好的學(xué)習(xí)起點(diǎn)就是和前輩一起進(jìn)行訓(xùn)練，也就是學(xué)習(xí) Andrew Ng 的課程。大家對(duì)該課程的推薦度很高。學(xué)習(xí) Coursera 上 Andrew 的課程大約需要 11 周。如果你需要的話，還可以在課程結(jié)束后花費(fèi)79美金獲得一個(gè) Coursera 頒發(fā)的人工智能學(xué)習(xí)證書(shū)。
https://www.coursera.org/learn/machine-learning
該課程的先修知識(shí)：
·基本的計(jì)算機(jī)科學(xué)原理和技巧，達(dá)到可寫(xiě)出復(fù)雜計(jì)算機(jī)程序的水平
·熟悉基本的概率論原理
·熟悉基本的線性代數(shù)知識(shí)
①如果在學(xué)習(xí)課程中間感到困難，你應(yīng)該停下來(lái)反思一下是不是先修知識(shí)沒(méi)有掌握，因?yàn)?Andrew 在教學(xué)中已經(jīng)假設(shè)你學(xué)習(xí)過(guò)了先修知識(shí)。我本人在學(xué)習(xí)中也有過(guò)重新學(xué)習(xí)忘記的數(shù)學(xué)知識(shí)的經(jīng)歷。因?yàn)橹挥杏X(jué)得學(xué)習(xí)起來(lái)感到輕松，你才能繼續(xù)學(xué)下去。
②如果你也完成了這個(gè)階段的學(xué)習(xí)，你就可以進(jìn)入下一個(gè)階段——“積極初學(xué)者”。
注意：下一個(gè)階段可能花費(fèi)的時(shí)間不多，因?yàn)槟阋呀?jīng)有了很好的基礎(chǔ)。
恭喜你！你已經(jīng)做好了成為人工智能領(lǐng)域“絕地武士”的準(zhǔn)備。Udacity（優(yōu)達(dá)學(xué)城）上的課程是由 Sebastian Thrun（優(yōu)達(dá)學(xué)城的前CEO 和聯(lián)合創(chuàng)始人，前谷歌職員，斯坦福計(jì)算機(jī)科學(xué)教授）和 Peter Norwig（谷歌研究部主管）教學(xué)的。你可以在谷歌中找到這個(gè)課程（完全免費(fèi)）。這是一個(gè)最好的、最富交互性的視頻教學(xué)課程。他們將會(huì)使你對(duì)人工智能有一個(gè)整體的良好認(rèn)識(shí)。他們甚至?xí)探o你一些工作中會(huì)遇到的更深入的話題，比如博弈論、計(jì)算機(jī)視覺(jué)、機(jī)器人、自然語(yǔ)言處理。你可以學(xué)到的知識(shí)會(huì)比你想象的多。
人工智能簡(jiǎn)介課程——免費(fèi)
https://www.udacity.com/course/intro-to-artificial-intelligence--cs271
如果你已經(jīng)完成了所有三個(gè)階段的學(xué)習(xí)，并學(xué)習(xí)了優(yōu)達(dá)學(xué)城上的課程后，你可以好好慶祝一下，給自己放個(gè)假。因?yàn)檫@個(gè)過(guò)程真的非常艱辛。但是我相信這個(gè)過(guò)程也一定非常有趣。加油吧，各位！
這里還有一些閱讀書(shū)單供你參考：
https://www.udacity.com/course/intro-to-artificial-intelligence--cs271
歡迎與我分享你在學(xué)習(xí)過(guò)程中的心得，相信你在其中也體會(huì)到了學(xué)習(xí)和進(jìn)步帶來(lái)的成就感。
via medium.com
【招聘】雷鋒網(wǎng)堅(jiān)持在人工智能、無(wú)人駕駛、VR/AR、Fintech、未來(lái)醫(yī)療等領(lǐng)域第一時(shí)間提供海外科技動(dòng)態(tài)與資訊。我們需要若干關(guān)注國(guó)際新聞、具有一定的科技新聞選題能力，翻譯及寫(xiě)作能力優(yōu)良的外翻編輯加入。工作地點(diǎn)深圳。簡(jiǎn)歷投遞至 guoyixin@leiphone.com。兼職及實(shí)習(xí)均可。
推薦閱讀：
干貨 | 如何從零學(xué)習(xí)人工智能？最好的資源都在這里了
干貨 | 從菜鳥(niǎo)到老司機(jī)，數(shù)據(jù)科學(xué)的 17 個(gè)必用數(shù)據(jù)集推薦
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
