如何系統(tǒng)學(xué)習(xí)機(jī)器學(xué)習(xí)？機(jī)器學(xué)習(xí)是人工智能下一個(gè)比較廣泛的分支，涉及了很多交叉的領(lǐng)域如NLP自然語(yǔ)言處理、計(jì)算機(jī)視覺ComputerVision等等。簡(jiǎn)單來(lái)說(shuō)，機(jī)器學(xué)習(xí)ML就是通過(guò)訓(xùn)練計(jì)算機(jī)來(lái)模擬人類的學(xué)習(xí)行為，從而進(jìn)行預(yù)測(cè)并解決更多的問(wèn)題。機(jī)器學(xué)習(xí)往往需要大量的時(shí)間和耐心，其過(guò)程就像一場(chǎng)馬拉松，不會(huì)直接沖刺到終點(diǎn)，而是在學(xué)習(xí)中體會(huì)到一個(gè)不斷變化的、多樣的領(lǐng)域。那么機(jī)器學(xué)習(xí)又包含了哪些概念呢？根據(jù)難易程度和專注的分支不同，我將它分為以下幾類：基礎(chǔ)概念Logistic回歸、決策樹算法、納伊夫貝葉斯、支持向量機(jī)缶丫乂蟲分類項(xiàng)目、回歸項(xiàng)目、無(wú)監(jiān)督學(xué)習(xí)進(jìn)階概念提升算法(XGBoost,LightGBM,Catboost)、時(shí)間序列、隨即森林機(jī)器學(xué)習(xí)技術(shù)驗(yàn)證策略、超參數(shù)調(diào)整、特征工程、集合學(xué)習(xí)、疊加和混合推薦系統(tǒng)矩陣代數(shù)、SVD和PCA、處理不同類型的數(shù)據(jù)、推薦系統(tǒng)、Github從這些分類中不難看出，機(jī)器學(xué)習(xí)所涵蓋的內(nèi)容五花八門，它的概念從來(lái)就不是與其他領(lǐng)域獨(dú)立開來(lái)的。所以要想成為ML的專家，往往需要盡可能多的去探索、研究其他領(lǐng)域的內(nèi)容，建立一個(gè)完整的知識(shí)體系；因?yàn)楹芏鄡?nèi)容都是相通的，有了一定知識(shí)儲(chǔ)備后，對(duì)于日后的學(xué)習(xí)也能更好的理解。當(dāng)你學(xué)習(xí)理論時(shí)，要問(wèn)自己，這里發(fā)生了什么？我怎樣才能真正應(yīng)用這個(gè)？ML領(lǐng)域內(nèi)的數(shù)學(xué)容易看起來(lái)令人生畏。對(duì)于很多的文字內(nèi)容的理解，我的技巧是借助Rademacher模型。事實(shí)證明，人們對(duì)于圖像的理解往往比對(duì)文字的理解更好。我學(xué)習(xí)時(shí)，面對(duì)很多標(biāo)記數(shù)據(jù)，會(huì)先嘗試建立一個(gè)模型并訓(xùn)練模型，測(cè)試其準(zhǔn)確性是更差還是相同。不過(guò)這個(gè)方法不太建議大家在深度學(xué)習(xí)時(shí)嘗試，因?yàn)樯窠?jīng)網(wǎng)絡(luò)可以過(guò)度擬合任何數(shù)據(jù)集，甚至是隨機(jī)標(biāo)記的數(shù)據(jù)。關(guān)于這部分的訓(xùn)練，你可以通過(guò)任何bootcamp或MOOC'S接受相關(guān)培訓(xùn)。這些資源在很多平臺(tái)也有所提供，在這之中，我比較推薦其中一個(gè)叫Learnbay的平臺(tái)。Learnbay是由IBM認(rèn)證的數(shù)據(jù)科學(xué)培訓(xùn)。在機(jī)器學(xué)習(xí)模塊下，你將學(xué)習(xí)很多我前面提到的基礎(chǔ)概念，如，監(jiān)督學(xué)習(xí)，線性回歸，邏輯回歸，決策樹。除此之外，你還有機(jī)會(huì)參與各種實(shí)時(shí)項(xiàng)目。在了解了機(jī)器學(xué)習(xí)的基礎(chǔ)概念之后，就到了學(xué)習(xí)方法。在過(guò)去的一年半里，我一直專注于機(jī)器學(xué)習(xí)領(lǐng)域computervision的學(xué)習(xí)，所以對(duì)于機(jī)器學(xué)習(xí)的學(xué)習(xí)方法，也是有自己的一些見解的。接下來(lái)我會(huì)將機(jī)器學(xué)習(xí)步驟分成基礎(chǔ)、理論學(xué)習(xí)和實(shí)踐三步來(lái)講解。一、學(xué)前基礎(chǔ)如果不對(duì)其前提條件進(jìn)行介紹的話，機(jī)器學(xué)習(xí)可能會(huì)顯得很可怕。對(duì)于大部分人來(lái)說(shuō)，雖然這個(gè)領(lǐng)域不需要你成為一個(gè)專業(yè)的數(shù)學(xué)家或資深的程序員來(lái)學(xué)習(xí)，不過(guò)對(duì)于這些領(lǐng)域的核心技能還是需要掌握的。好消息是，一旦你擁有了這些基礎(chǔ)，剩下的學(xué)習(xí)就會(huì)相當(dāng)容易。事實(shí)上，幾乎所有的ML都是關(guān)于將統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)的概念應(yīng)用于數(shù)據(jù)。關(guān)于學(xué)前的基礎(chǔ)，大致可以分為三類：線性代數(shù)和微積分一原始算法研究需要有線性代數(shù)和多變量微積分，尤其是導(dǎo)數(shù)，鏈?zhǔn)胶统朔e規(guī)則的基礎(chǔ)。而針對(duì)于這部分，很多大學(xué)內(nèi)的高數(shù)課程都有涉及到。作為英語(yǔ)中這些數(shù)字運(yùn)算的定義和名稱的一種補(bǔ)充，大家也可以去YouTube找很多國(guó)外大學(xué)的公開課，如Essenceoflinearalgebra-YouTube。統(tǒng)計(jì)學(xué)一了解統(tǒng)計(jì)學(xué)，特別是貝葉斯概率，對(duì)許多機(jī)器學(xué)習(xí)算法來(lái)說(shuō)是必不可少的。不管是自然語(yǔ)言處理還是機(jī)器學(xué)習(xí)，最重要的事情就是把基礎(chǔ)知識(shí)搞清楚。在這里，我所說(shuō)的基礎(chǔ)知識(shí)是指對(duì)于概率和線性代數(shù)等概念淺層的理解。不一定需要掌握這些科目，但如果一些算法，比如子空間、基礎(chǔ)、i.i.d、獨(dú)立、相關(guān)這些術(shù)語(yǔ)，要能明白

它們的意思，而不是略知皮毛。我遇到過(guò)一些人，他們?cè)诰W(wǎng)上學(xué)習(xí)了2-3門關(guān)于機(jī)器學(xué)習(xí)的課程，并在一些數(shù)據(jù)集上應(yīng)用了2、3種算法，從github上復(fù)制了一些代碼，就認(rèn)為自己已經(jīng)學(xué)會(huì)了機(jī)器學(xué)習(xí)，并準(zhǔn)備好解決數(shù)據(jù)科學(xué)問(wèn)題。盡管現(xiàn)在有一些數(shù)據(jù)庫(kù)能為機(jī)器學(xué)習(xí)ML任務(wù)提供非常好的API,并用它們來(lái)執(zhí)行ML任務(wù)，但是，僅僅使用它們而不了解內(nèi)在的東西，從長(zhǎng)遠(yuǎn)來(lái)看不會(huì)對(duì)你有幫助。此外統(tǒng)計(jì)學(xué)、EDA、線—Forwardpropagation：Vectorizedimpiementation14 ~ . ',=血國(guó),—Forwardpropagation：Vectorizedimpiementation14 ~ . ',=血國(guó),自以二Ia?一,%氣心由JYAdd哽二1一-4w@小?濁身靠）=和呵=\，j4'',=。坦 1r.i-電助：：；+國(guó)試i，碎.守吊針。+蜀￡+H騁工3±^\；Python一編程可以說(shuō)是機(jī)器學(xué)習(xí)一大基礎(chǔ)，沒有編程就無(wú)法學(xué)習(xí)機(jī)器學(xué)習(xí)。如果說(shuō)前面的數(shù)學(xué)知識(shí)是基礎(chǔ)的話，Python和R就像接下來(lái)戰(zhàn)斗需要使用到的武器。我個(gè)人在學(xué)習(xí)的時(shí)候主要使用R語(yǔ)言，搭配Datacamp學(xué)起來(lái)真的很方便。針對(duì)剛?cè)腴T的人，我會(huì)更推薦Python，操作簡(jiǎn)單也好上手。關(guān)于編程部分，我建議大家花幾個(gè)月時(shí)間同時(shí)學(xué)習(xí)Python代碼和不同的機(jī)器學(xué)習(xí)概念。因?yàn)樵诤竺婺銜?huì)發(fā)現(xiàn)很多情況下你會(huì)同時(shí)需要它們。而在學(xué)習(xí)Python代碼的同時(shí)，大家可以練習(xí)使用一些數(shù)據(jù)科學(xué)工具，如Jupyter和Anaconda，主要了解它們的用途以及為什么要使用它們。關(guān)于程序語(yǔ)言的學(xué)習(xí)，網(wǎng)上的資源有很多，coursera和網(wǎng)易公開課都有很多可以選擇。除此之外，大家可以嘗試ujjwalkarn/DataSciencePython。而對(duì)于大部分項(xiàng)目，還需要知道算法設(shè)計(jì)和分析（課程：AlgorithmDesignandAnalysis）。一開始我只是直接使用教材的算法，就立刻去操作了，但隨著逐漸學(xué)習(xí)的深入，我也發(fā)現(xiàn)如果花點(diǎn)時(shí)間去理解所有的東西，結(jié)果是很令人滿意的。這套課程還提供了很好的講義，指導(dǎo)學(xué)習(xí)多層前饋人工神經(jīng)網(wǎng)絡(luò)。二、理論在有了一定數(shù)學(xué)基礎(chǔ)后后，就可以開始閱讀一些教材了，以了解機(jī)器學(xué)習(xí)的理論知識(shí)。個(gè)人建議從一些關(guān)于機(jī)器學(xué)習(xí)的基本介紹性書籍開始，不要直接跳到花哨的書籍。很多人都推薦的西瓜書，在我看來(lái)其實(shí)不太適合入門學(xué)習(xí)，難度較大；而且像機(jī)器學(xué)習(xí)這樣實(shí)踐大于理論的領(lǐng)域來(lái)說(shuō)，單單從書本獲得的理論知識(shí)，往往不能滿足于實(shí)際生活的應(yīng)用。而這一部分的理解往往需要具體例子的搭配，一些書本內(nèi)容涵蓋的實(shí)例早已過(guò)時(shí)，所以針對(duì)這一部分，給大家推薦幾套我在機(jī)器學(xué)習(xí)時(shí)使用的課程。1.貪心科技AI課程貪心學(xué)院這套課程，是面向泛AI、AI群體提供專業(yè)的系列課程，整套課程將以上提及的內(nèi)容根據(jù)難易程度分為基礎(chǔ)和進(jìn)階兩個(gè)階段，需要付費(fèi)使用。根據(jù)具體所學(xué)項(xiàng)目不同，課程的價(jià)格在7000到20000之間不等。這套課程吸引我的其中一點(diǎn)就是它涵蓋的知識(shí)面廣。不僅涉及了AI領(lǐng)域內(nèi)的深度學(xué)習(xí)、NLP，機(jī)器學(xué)習(xí)，還有很多更細(xì)的分支。其中機(jī)器學(xué)習(xí)中的基本算法如分類算法、集成算法、聚類算法、降維算法等，在這套課程內(nèi)也有大篇幅重點(diǎn)講解。課程設(shè)置這套課程是線上課程，這種模式靈活性較高，隨時(shí)打開就可以上課，比較適合上班族或者學(xué)生黨利用碎片化時(shí)間進(jìn)行學(xué)習(xí)。課件和PPT模式類似，左邊顯示的小標(biāo)題方便進(jìn)度查找。由于是近幾年新出的課程，和之前提及的書籍教材相比，實(shí)例都比較新，也都具有代表性。每節(jié)課程中還會(huì)配有一定的題目，幫助大家鞏固知識(shí)點(diǎn)概念。我自己在做這些題目的時(shí)候，感受很好的是，這些題目的設(shè)定與每小節(jié)的課程內(nèi)容結(jié)合的很好，能做到即時(shí)的鞏固，也能為后面的學(xué)習(xí)做鋪墊。

課程內(nèi)容貪心科技這套課程可以說(shuō)是很全面地涵蓋了我上面提到的關(guān)于機(jī)器學(xué)習(xí)的各種概念，如隨機(jī)森林、邏輯回歸、線性回歸等。通過(guò)將機(jī)器學(xué)習(xí)放進(jìn)人工智能的大框架里學(xué)習(xí)，能幫助學(xué)生更好的理解一些概念，將所學(xué)知識(shí)串聯(lián)起來(lái)，掌握綜合性的技能。:rikUJL Vm宙FJtuSiil'i-qi-th假設(shè)轉(zhuǎn)們擁有教據(jù)凄口={(%比出％ 乂己{51}.2裁特的口國(guó)人|]?占，,南iFt1 *詵木理-Iffr.*T.向IkUE”?謂0善史+*岡餐店號(hào)?優(yōu)史匕JUzHMMh礪 E?竊一#■TO舊*3.-Qi*所有樣本的似然概率向二、,相仆百闔在“％藍(lán)忌對(duì)于其中的任重樣本〔0加)，轉(zhuǎn)的可屎定義保然概率p(yi\x[rw假設(shè)轉(zhuǎn)們擁有教據(jù)凄口={(%比出％ 乂己{51}.2裁特的口國(guó)人|]?占，,南iFt1 *詵木理-Iffr.*T.向IkUE”?謂0善史+*岡餐店號(hào)?優(yōu)史匕JUzHMMh礪 E?竊一#■TO舊*3.-Qi*所有樣本的似然概率向二、,相仆百闔在“％藍(lán)忌對(duì)于其中的任重樣本〔0加)，轉(zhuǎn)的可屎定義保然概率p(yi\x[rwtb)=p(M=1|孫明出產(chǎn)[1-pCw=1|知*劃―di^_d1.11k|:r12:[.baRI；*h38MK'KI**KAARaH*!mr?BFQ：11110T?不1■知事g七M(jìn)中MF、LT.:EM中支1,口盟(歸川.“力打可/UTTjF用■仃工知X干?皿.川3醍iiuuP0:lwkhPi'4"r+rtn?sNikchR-.mrnr!"lwjrnMHn,iixmvimi^<mn dimNE^JILhJli^lH-USIdlD^_!lfiILkIIpllllrlvadlV..J Gb網(wǎng)f￡聲PKrt-x:^j.j：.-^b4,.iWItai'VVHLin：TL??1 .FWJi#J.Ji：Sb 叫二七:山由?sr.w.也出□4tlQfl'JM3■.HU■:Mi?。L>Hl*^^UELnTFr'JNiMi5Ml?.1■I：如G-i；a&n這套教材總體來(lái)說(shuō)還是比較簡(jiǎn)單易懂的。在同樣瀏覽了中、高級(jí)課程之后，個(gè)人感覺不足的是，進(jìn)階課程難度較大。有相關(guān)機(jī)器學(xué)習(xí)及數(shù)據(jù)分析背景的人可能會(huì)覺得剛開始的內(nèi)容過(guò)于基礎(chǔ)，而進(jìn)階部分，尤其是高級(jí)，則會(huì)有些吃力。教研團(tuán)隊(duì)課程的核心團(tuán)隊(duì)由海內(nèi)外AI專家組建而成，多位合伙人及主講老師都是業(yè)內(nèi)資深工程師。其教研人員包括前金融獨(dú)角獸首席科學(xué)家、美國(guó)google科學(xué)家、ALBERT第一作者、美國(guó)微軟AI總監(jiān)等專家；多位合伙人及主講老師都是業(yè)內(nèi)資深工程師，并多次在ICML、AAAI、IJCAI、ICDM等會(huì)議發(fā)表數(shù)十篇論文，被數(shù)百次引用。我在上這節(jié)課的時(shí)候的導(dǎo)師就是亞馬遜的工程師，李文哲老師。他對(duì)于每一個(gè)問(wèn)題的講解都十分細(xì)致，尤其是遇到運(yùn)算問(wèn)題，都會(huì)一步步手寫出具體公式。除此之外，他還經(jīng)常會(huì)舉一反三，舉出同樣類型的例子，加深我們的記憶。課后的助教對(duì)教學(xué)也都十分認(rèn)真負(fù)責(zé)，每次我提出的問(wèn)題都會(huì)及時(shí)解答，就算現(xiàn)在已經(jīng)結(jié)課了，我們也會(huì)經(jīng)常溝通一下最近遇到的問(wèn)題。課后課后的練習(xí)根據(jù)難易程度和知識(shí)點(diǎn)的不同有所區(qū)分，如身高體重預(yù)測(cè)、A股股價(jià)預(yù)測(cè)、客戶是否開設(shè)定期銀行賬戶預(yù)測(cè)、成績(jī)是否及格預(yù)測(cè)、判斷新聞?wù)鎸?shí)性等項(xiàng)目，每一個(gè)練習(xí)的都是不同的知識(shí)點(diǎn)，學(xué)生可以在jupyter上自己進(jìn)行代碼的編寫，還能得到助教一對(duì)一的反饋，及時(shí)糾正錯(cuò)誤。除了課程中提供的練習(xí)和案例，這套課程課后還配有g(shù)ithub使用權(quán)限和專門的系統(tǒng)進(jìn)行學(xué)習(xí)、練習(xí)。我在進(jìn)行ML學(xué)習(xí)時(shí)，就經(jīng)常會(huì)從github上找各種大神的代碼和他們新開發(fā)的新奇的程序，如隨機(jī)文章生成器等，這些內(nèi)容完全可以拿來(lái)當(dāng)成是實(shí)踐項(xiàng)目進(jìn)行練習(xí)。有時(shí)候遇到棘手的問(wèn)題，我也會(huì)上去發(fā)帖求助。總之github對(duì)于人工智能領(lǐng)域的學(xué)生和職場(chǎng)人都是一個(gè)不可多得的好資源。.哈佛數(shù)據(jù)科學(xué)datascience課程這套課程也是網(wǎng)上教學(xué)，一個(gè)大課程下分成很多的小部分，在coursera、edx等學(xué)習(xí)網(wǎng)站上可以找到。課程主要介紹分析數(shù)據(jù)和建立模型的各種方法，在上課過(guò)程中還可以鍛煉與人溝通和工作的能力。在整個(gè)課程中，我們使用口語(yǔ)言，并同時(shí)學(xué)習(xí)R、統(tǒng)計(jì)概念和數(shù)據(jù)分析的技術(shù)。舉例來(lái)說(shuō)，我暑假上的這節(jié)CS501的課涵蓋了很多數(shù)據(jù)調(diào)查的關(guān)鍵技巧，如數(shù)據(jù)處理、清理、采樣、管理、探索性分析、回歸和分類、預(yù)測(cè)和數(shù)據(jù)通信并通過(guò)應(yīng)用先進(jìn)的統(tǒng)計(jì)學(xué)、建模和編程技能，得出預(yù)測(cè)性的見解。總的來(lái)說(shuō)，這三個(gè)月的學(xué)習(xí)很有趣，但在這過(guò)程中，我也發(fā)現(xiàn)了自己基礎(chǔ)的不足。作為一個(gè)統(tǒng)計(jì)專業(yè)并且有一些編程基礎(chǔ)的學(xué)生，我本以為自己對(duì)于數(shù)據(jù)的處理和建模應(yīng)該是能信手拈來(lái)的。可這套課程的難度遠(yuǎn)超出我的想象。因?yàn)橹暗膶W(xué)習(xí)比較基于理論，接觸實(shí)例不多，所以在接觸像這類對(duì)實(shí)例進(jìn)行深入分析并利用一系列連續(xù)和離散數(shù)學(xué)工具的練習(xí)的項(xiàng)目就會(huì)有些應(yīng)付不過(guò)來(lái)。這套課程為理解、預(yù)測(cè)和決策提供了一個(gè)定量框架，幾乎涉及生活的方方面面，從交通信號(hào)燈的計(jì)時(shí)，到疾病傳播的控制，從資源管理，到體育領(lǐng)域等等?？梢钥隙ǖ氖牵贤赀@套課，你也會(huì)跟我一樣，有一種柳暗花明后充實(shí)的感覺，并且技能也會(huì)得到很大程度的提升。除了這些課程，哈佛還提供了相應(yīng)線上的證書項(xiàng)目，一共四節(jié)課，總時(shí)長(zhǎng)約為2年。這個(gè)項(xiàng)目旨在教授學(xué)生如何通過(guò)應(yīng)用先進(jìn)的統(tǒng)計(jì)學(xué)、建模和編程技能，得出預(yù)測(cè)性的見解，獲得機(jī)器學(xué)習(xí)和計(jì)算技術(shù)的深入知識(shí)，并為從產(chǎn)品設(shè)計(jì)到金融等一系列行業(yè)發(fā)掘出重要的問(wèn)題和情報(bào)。

DataScienceGraduateCertificateDerivepredictiveinsightsDerivepredictiveinsightsbyapplyingadvancedstatistics,rtiicxleliing.mdprogrammingskills.Acquirein-depth^knowledgeofnochriD犯vni通and乏Qaipulati的卅UnaarthImportantquestions.andintelligenceforaranfleoflndusM颯tromproduetdesigmtoFinance.雖然與AndrewNg的課程相比，這個(gè)項(xiàng)目對(duì)機(jī)器學(xué)習(xí)強(qiáng)調(diào)內(nèi)容較少，但你會(huì)得到更多關(guān)于從數(shù)據(jù)收集到分析的整個(gè)數(shù)據(jù)科學(xué)工作流程的練習(xí)。像我之前提及的，對(duì)于機(jī)器學(xué)習(xí)極其相關(guān)領(lǐng)域要盡可能多的掌握、了解。所以相對(duì)于系統(tǒng)性地學(xué)習(xí)，這套課程能幫助你擁有一個(gè)整體的框架概念，并拓展很多數(shù)據(jù)科學(xué)領(lǐng)域的知識(shí)。不足的是，這套教材目前只有英文資源，且難度較高。.吳恩達(dá)機(jī)器學(xué)習(xí)(Andrewng)這套教材也是很多人推薦的，它是2017年推出的，內(nèi)容較新，可以免費(fèi)使用，Coursera上線之后我也慕名有去體驗(yàn)過(guò)。我個(gè)人在學(xué)習(xí)時(shí)使用的是斯坦福大學(xué)的版本，不是Coursera的。這兩個(gè)版本相比較之下，Coursera的課程內(nèi)容比斯坦福的CS229更簡(jiǎn)單，對(duì)于數(shù)學(xué)基礎(chǔ)的要求也更低。Coursera版本的課程幾乎沒有涉及很多概率分布、線性優(yōu)化、平滑處理等機(jī)器學(xué)習(xí)相關(guān)的數(shù)學(xué)知識(shí)；反之，吳恩達(dá)通過(guò)各種舉例代入的講解，讓機(jī)器學(xué)習(xí)這門課程變得更加通俗易懂，雖然梯度、矩陣等的內(nèi)容顯得十分復(fù)雜，但是后期用python都可以代入得出結(jié)果，這樣簡(jiǎn)單實(shí)用的設(shè)置，也受到了很多入門者的喜愛。不過(guò)這也是這套課程受爭(zhēng)議的地方，很多人認(rèn)為對(duì)于數(shù)學(xué)知識(shí)講解過(guò)于淺顯，不足以打好機(jī)器學(xué)習(xí)的基礎(chǔ)。吳恩達(dá)本人是斯坦福大學(xué)計(jì)算機(jī)科學(xué)系和電氣工程系的客座教授，他也是在線教育平臺(tái)Coursera的創(chuàng)始人之一。這套教材在網(wǎng)易有中文版資源，課程的形式也是像PPT一樣并且附上吳恩達(dá)本人的筆記。整體來(lái)說(shuō)內(nèi)容淺顯易懂，處于初級(jí)-中級(jí)難度。比較適合入門學(xué)習(xí)。這套還配有課后作業(yè)和測(cè)試，保證了一定的練習(xí)量，但只限于Cousera課程，且編程作業(yè)需要在Jupyter上完成。其次，由于是較新的教材，了解并真正使用過(guò)的人不一定很多，所以在學(xué)習(xí)過(guò)程中遇到問(wèn)題時(shí)，需要自己查閱資料解決。這套教