大数据文摘作品 转载具体要求见文末 作者|Nam Vu 选文|寒小阳 翻译校对|Mirra 吴蕾 寒小阳 ◆ ◆ ◆ 这是什么 作者受 Google Interview University 启发而写了这个教程。 作为一名移动开发人员,这是我做的向机器学习工程师转型的学习计划,需要花费几个月时间去完成。我的主要目的是要找到合适的学习方法,以及适合于初学者入门的的数学知识摘要和一些实践类的指导。这并非常规途径,而是自上而下的,专注于结果的方法,专为软件工程师而设计的。 如果你有任何建议,请不吝指出,使之更趋完善。 先花几分钟看看目录,再继续往下读: 因本文中有大量的课程链接,不方便呈现,因此,有兴趣者可以戳下方阅读原文,根据原文查找相关内容,获取学习计划checklist ◆ ◆ ◆ 目录 · 这是什么? · 为什么要用此方法? · 如何运用? · 跟我来 · 不要觉得自己不够聪明 · 关于视频资源 · 预备知识 · 每日计划 · 激励 · 机器学习概述 · 精通机器学习 · 机器学习的乐趣 · 机器学习:深度非技术指南 · 典故和经验 · 初学者丛书 · 实用丛书 · Kaggle知识竞赛 · 视频 · 慕课 · 成为Open Source贡献者 · 社区 · 我所仰慕的公司 ◆ ◆ ◆ 为什么要用此方法? 我准备按照这个学习计划,为我未来的工作去做些准备。从2011年开始,我就一直在做移动应用开发(Adroid/iOS/Blackberry)。我大学学的是软件工程专业,并非计算机科学,学过一些基础课程:微积分,线性代数,离散数学,概率和统计等。我对机器学习的兴趣在以下方面:
我感觉这对我有难度。 就我所知,机器学习有两方面: · 机器学习实践:主要是数据库查询,数据清理,写一些脚本来转换数据,把算法和library并起来,通过自定义代码,从定义不清晰的很难的问题里面最终挤出一些可靠的答案。这就是混乱的实际情况。 · 机器学习理论:这是关于理想状态下的研究,也就是说研究数学的,抽象的,理想情况下的,有限制的,美好的,可能的情况。这是完全排除了混乱的实际情况之后,非常干净的理想状态。 我觉得,关于以实用为导向的最好学习方法,莫过于“实践-学习-实践”,就是说,学生在项目中遇到了实际问题,先熟悉一下这个领域的传统方法。在练习了一段时间有了基本经验后,他们可以看书学习这方面的理论,来指导未来的进阶练习,提升解决实际问题的能力。学习理论知识能够进一步提高对于基础经验的理解,使他们更快得掌握更先进的技能。 这对我来说是一个长期计划,会需要几年时间去完成。如果你对这方面已经比较熟悉了,那会大大缩减所需时间。 ◆ ◆ ◆ 如何运用 下面都是轮廓性的描述,你要从头到尾逐项进行。 我喜欢用Github的Markdown来写,包括任务列表来检查进度。 创建一个分支,检查好了就打个叉。 ◆ ◆ ◆ 跟我来 我是个越南的软件工程师,非常向往到美国工作。我正在学习的过程中。你知道我付出多少努力吗?白天忙碌工作后,每晚还要花4小时进行学习。 ◆ ◆ ◆ 不要觉得自己不够聪明 学习了那些微积分,推论统计,线性代数那些预备课程后,我非常失望,因为我还是不知如何起步……可以看看下面的链接:(鉴于微信后台无法外链,请点击阅读原文获得所有外链资料) 关于视频资源 你注册Coursera或EdX课程后,可以获得一些视频,而且是免费的。不过不开课的时候就无法访问,你得等上几个月。我将会添加更多的视频到公开的资源库里面,来代替过期的在线课程视频。我喜欢用大学公开课。 ◆ ◆ ◆ 预备知识 在每日计划执行之前,我先学习了一些比较基础而有趣的短篇 每日计划 完全理解一个课题,都不是需要一整天的,你可以在一天里面分多个时段来完成。 每天我会从任务表里面挑一个课题,阅读,做笔记,做练习,并用Python 或R来写代码。 ◆ ◆ ◆ 激励 机器学习概述 精通机器学习 机器学习的乐趣 机器学习:深度非技术指南 典故和经验
初学者丛书 ◆ ◆ ◆ 实用丛书 Kaggle知识竞赛 Video SerieS MOOC
资源 成为OPen Source贡献者 社区 ◆ ◆ ◆ 我所仰慕的公司 |
|