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：

• 没有计算机科学硕士或博士的学位，我能在机器学习领域学习并且找到一份工作么？ 
  

• 可以的，不过还是比真正进入到这个领域后的难度要高。

• 作为一个自学过机器学习的课程软件工程师，却没有在工作中实践过，如何找到一份机器学习相关的工作呢？ 
  

• 我正在为我的团队寻找机器学习专家，不过你的慕课学习没法给你送去一份工作（后面有一些好消息）。事实上，很多机器学习专业的硕士也找不到相关工作，因为他们对此没有深入理解，无法帮我解决问题。

• 找一份机器学习的工作，究竟需要什么技能？ 
  

• 首先，你必须拥有良好的计算机科学/数学背景。机器学习是个很先进的学科，所以大多数教科书都是基于你已经有了这方面的基础而编写的。其次，机器学习是个通用的课程，里面有细分了很多不同方向的专业，需要有专业技术知识。你可以去浏览一下MS program的机器学习方面课程和教科书。

• 统计，概率，分布式计算。

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）

• 我数学不够好咋办

• 无数学背景的情况下，理解机器学习算法的五项技巧

• 我是如何学习机器学习的？

◆ ◆ ◆

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

• 数据分析，数据挖掘，数据科学，机器学习和大数据有什么区别？

• 学习如何学习

• 别打破那条链

• 如何自学

◆ ◆ ◆

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

• 梦想

◆ ◆ ◆

机器学习概述

• 机器学习的视频介绍

• 机器学习温馨指导

• 机器学习基础知识

◆ ◆ ◆

精通机器学习

• 精通机器学习方法

• 给程序员的机器学习

• 里用过的机器学习方法

• 机器学习的Python小课堂

• 机器学习算法小课堂

◆ ◆ ◆

机器学习的乐趣

• 机器学习真有趣！

• 第二部分：用机器学习生成超级马里奥的等级

• 第三部分：深度学习和卷积神经网络

• 第四部分：深度学习用于现代脸部识别

• 第五部分：深度学习和神奇序列在翻译中的应用

◆ ◆ ◆

机器学习：深度非技术指南

• 概要，目标，学习类型及算法

• 数据选择，准备和建模

• 模型评估，验证，复杂性和改进

• 模型性能和差错分析

• 非监督式学习，相关领域以及机器学习实战

◆ ◆ ◆

典故和经验

• 机器学习一周

• 机器学习一年

• 学习路径：引领您成为机器学习领域专家

• 无需博士学位，您也能成为机器学习专家！

•  如何做半年内成为数据科学家：一名黑客的职业规划方法 
  

• 视频

• Slide

• 成为机器学习工程师的五项必备技能

• 您是自学成为机器学习工程师的吗？如果是，你是如何做到的，学了多久？

• 如何成为一名优秀的机器学习工程师

• A Learning Sabbatical focused on Machine Learning

◆ ◆ ◆

初学者丛书

• 数据智慧：利用数据科学将信息转化为思想 第一期

• 用于商业的数据科学：你所需要了解的数据挖掘以及数据分析思想

• 预测性分析：预测谁会点击，购买，说谎，消失

◆ ◆ ◆

实用丛书

• 给黑客的机器学习 
  

• Github知识库

• Python 机器学习 
  

• Github知识库

• 集体智慧编程

• 机器学习：算法的视角，第二期 
  

• Github知识库

• 资源库

• 用Python实现机器学习介绍：数据科学指导书 
  

• Github知识库

• 数据挖掘：机器学习实用工具和技术，第三期 
  

• Slides for Chapters 1-5 (zip)

• Slides for Chapters 6-8 (zip)

• 教程 
  

• 机器学习实战 
  

• Github知识库

• 统计知识学习简介

◆ ◆ ◆

Kaggle知识竞赛

• Kaggle竞赛：如何开始？

• 初学者如何在机器学习领域从小项目开始，逐步参与Kaggle竞赛？

• 积累实战经验，制胜Kaggle

◆ ◆ ◆

Video SerieS

•  给黑客的机器学习

• 机器学习入门

• Josh Gordon推荐的机器学习方法

• 30分钟内了解机器学习

• 吴恩达：应用深度学习的要点

◆ ◆ ◆

MOOC

• Udacity 关于机器学习的介绍 
  

• 机器学习概要

• Udacity 监管型，非监管型和加强型的机器学习

• 机器学习基础：方法案例

• Coursera 机器学习 
  

• 视频

• Coursera机器学习概要

• Coursera 机器学习路标

• Coursera 机器学习中的神经网络 
  

• 由神经网络先驱者Geoffrey Hinton讲授

• Tensorflow的创新应用

◆ ◆ ◆

资源

• 机器学习开发人员资源

• 给机器学习开发者的建议

• 机器学习初学者资源

• 机器学习自学资源

• 提升机器学习水平

• 充分的机器学习，使黑客新闻重新可以阅读

• 深入学习机器学习

◆ ◆ ◆

成为OPen Source贡献者

•  Magenta: 机器智能产生的音乐和艺术

• tensorflow用数据流图来计算产生可扩展的机器学习

• 深度神经网络在人脸识别的应用

• tensorflow语法的神经模型

◆ ◆ ◆

社区

• Quora

• 机器学习

• 统计

• 数据挖掘

• Reddit

机器学习

Data Tau

深度学习新闻

KDnuggets

◆ ◆ ◆

我所仰慕的公司

• ELSA-发音虚拟教练

关于转载
如需转载，请在开篇显著位置注明作者和出处（转自：大数据文摘|bigdatadigest），并在文章结尾放置大数据文摘醒目二维码。无原创标识文章请按照转载要求编辑，可直接转载，转载后请将转载链接发送给我们；有原创标识文章，请发送【文章名称-待授权公众号名称及ID】给我们申请白名单授权。未经许可的转载以及改编者，我们将依法追究其法律责任。联系邮箱：[email protected]。

◆ ◆ ◆
志愿者介绍

大数据文摘后台回复“志愿者”，了解如何加入我们



◆ ◆ ◆

往期精彩文章推荐，点击图片可阅读

怎样找到一份深度学习的工作 | 附学习材料,资源与建议