机器学习-从入门到弃坑

学习路径

1.基础入门

        吴老师（Andrew Ng）的机器学习课程《Coursera上的机器学习课程》或者是《网易公开课上的机器学习课程》。当你学习到第五节课，也就是开始讲述神经网络时，建议开始查看与课程平行的外部资料，比如3bule1brown的神经网络讲解视频，并结合《神经网络与深度学习》进行食用。

        同时推荐两本可以结合着食用的书籍《Python机器学习》（作者 Sebastian Raschka）以及 《Introduction to Statistical Learning with R（ISL）》，ISL的电子版是免费的：点击下载。

        值得一提的是周志华老师的《机器学习》也被大家亲切的叫做“西瓜书”，建议把西瓜书作为参考书而不是主力阅读书。

2.进阶学习

        进阶的学习会从理论走向实践，随后再从实践走回理论。Ian Goodfellow传奇般的“花书”《深度学习》尽可能深入地阅读线性代数、概率、信息理论的章节；然后仔细阅读和学习同样是来自吴老师的《深度学习专项系列课程（Deep Learning Specialization）》。

2.1 实践

        Kaggle挑战赛/练习 + Sklearn文档学习 + fast.ai

3.结论

        学好Python和English两种语言。

        对于已经有了工作/研究经验的朋友，要试着将自己的工作经历利用起来。举例，不要做机器学习里面最擅长投资的人，而要做金融领域中最擅长机器学习的专家，这才是你的价值主张(value proposition)。最重要的是，机器学习的基本功没有大家想的那么高不可攀，没有必要放弃自己的本专业全职转行，沉没成本太高。通过跨领域完全可以做到曲线救国，化劣势为优势，你们可能比只懂机器学习的人有更大的行业价值。

        机器学习和深度学习是当今世界最具魅力的技术之一。而且这个领域的深度学习专家总是处于稀缺的状态。从职业前景来看，深度学习非常吸引人。

        专业和坚持是最好每一件事情的基础和保证。