【机器学习】学习成长路线图（初学者到专业科学家必备）

机器学习–学习成长路线图

学习流程图

入门方向与进阶方向

路线1： 机器学习算法工程师

路线2： 数据科学家

路线3： 异构并行计算工程师

路线4： 语音识别工程师

路线5： 计算机视觉工程师

路线6： 自然语言处理工程师

路线7： 知识图谱工程师

路线8： 推荐系统工程师

路线9： 对话系统系统工程师

路线10： 自动驾驶工程师

参考路线

Step0：准备阶段

• 1.英语阅读水平达到大学英语4级。
• 2.高数大致掌握，关键概念经查阅能随时记忆起来。
• 3.编程技能达到熟练级水准。

Step1：看视频学习，这一阶段的目标是对机器学习的理论有初步的了解。

• 1.machine learning-Andrew Ng
  在线学习地址：Machine Learning - Stanford University | Coursera
  说明：Coursera[1]是一个非常知名的公开课网站，Andrew Ng讲授的的“machine learning”课程可以说是它的成名作。我给的离线资源里Andrew Ng的课程只有英文字幕，在线学习有作业什么的，学习更加系统。
• 2.机器学习基石/技法-林轩田
  百度网盘地址：https://pan.baidu.com/s/17qGVLlChaK98-OVwSmHMng#list/path=%2F
  在线学习地址：
  说明：这个资源是中文讲授的。之前在coursera上有，现在貌似找不到了。林轩田老师的讲解通俗易懂，技法课程难一点，可以结合step2进行学习。看的时候记得记笔记，网上也搜的到网友记的笔记，详细的学习方法就不多谈了。

Step2：这一阶段是结合step1学习的理论基础，做一些基于python的动手练习，另外给出了两本参考书，可以阅读加深认识。

• 1.python教程-廖雪峰的官方网站
  地址：Python教程
  说明：廖雪峰的教程质量很好。没有必要全看完，大概了解python的基础语法即可，这步是为下面的练习做准备。
• 2.《机器学习实战》
  豆瓣地址：机器学习实战 (豆瓣)
  说明：这本书基于python对一些主要的机器学习算法进行了代码实现。一定要照着敲一遍。
• 3.《机器学习》-周志华
  豆瓣地址：机器学习 (豆瓣)
  说明：这本书是中文里最好的机器学习教科书了，说明很清晰而且全面。但是算法的推导过程很简略以至于完全看不懂。建议大致看一遍，算法的推导结合网上的博客和其他教程进行理解。
• 4.《统计学习方法》-李航
  豆瓣地址：统计学习方法 (豆瓣)
  说明：我也没看完。。但是据说很好，都是各种算法的推导过程。

Step3：这一阶段是进行实战演练，方法是在机器学习竞赛网站上结合实际案例进行练习。我本人也在step3进行了没多久，祝我好运。

• 1.《利用Python进行数据分析》
  豆瓣地址：利用Python进行数据分析 (豆瓣)
  说明：numpy与pandas是python进行处理数据的两个关键库。这本书讲解了这两个库的使用方法。是实战前的准备步骤。
• 2.kaggle
  地址：Competitions | Kaggle
  说明：kaggle是一个机器学习竞赛网站。除了在进行中的，有悬赏金的比赛，也有入门的练习赛。使用方法见大数据竞赛平台–Kaggle 入门。
• 3.阿里天池大数据竞赛
  地址：天池大数据科研平台-打造“数据众智、众创”第一平台
  说明：阿里办的，性质同kaggle。
• 4.data castle
  地址：http://www.pkbigdata.com/
  说明：中国版kaggle

科技日新月异，追逐热点是好的。但在这个浮躁的时代，不管选择什么方向最重要的就是独立思考的能力，和去伪存真的勇气。因此，看了这么多入门教程和经验分享后，我最希望的是你既不要急着全盘接受，也不要因为不对胃口全盘否定。慢下来，好好想想，制定适合自己的计划，这大概才是做科学工作的正确态度。

参考文章
[1].https://zhuanlan.zhihu.com/p/26169982
[2].https://zhuanlan.zhihu.com/p/29704017
[3].https://www.bilibili.com/video/BV134411f7os?from=search&seid=16149020539519396273