工作三到五年后接触机器学习的入门建议

[theworldsong]

先说背景。📙

本人是普通 android 程序员一枚，工作约四年，技术栈一直围绕 android 展开。半年前开始接触机器学习，现总结了一些经验，分享给「有工程背景但学术匮乏」的伙伴们参考。

---

入门步骤✅

1，需要一本类似「西瓜书」这样的科普读物知道这个领域到底是什么

2，完整的复习一遍高数，求导求积矩阵运算要会做

3，准备好「 https://github.com/exacity/deeplearningbook-chinese 」为学术参考

4，准备好「 https://www.douban.com/doubanapp/dispatch/book/26976457?dt_dapp=1 」为生产参考

5，能够稳定访问 google 的网络。这方面的学习百度搜索能力有限。

6，上面两本书同时阅读。并跟随第二本实践。

---

⚠️：上述第五点非常重要，在真正理解「机器学习为何物」之前，需要 google 大量查阅零散的信息。简而言之，这两本书能读得进去的前提是，你已经储备了足够的基础知识，而这些基础知识的获取方式是维基百科的一个又一个超链接。

现阶段的我：半年来断断续续地学习，很多术语能理解了。结合 google 复制粘贴，能做一些非常简单的生产（当然，原理是懂的）

菜鸟一枚，欢迎补充和讨论。👏👏👏

本帖只讨论学习方法，不讨论学习动机。以免泛化为义的灌水。

[glenChen]

mark，老兄可以交流一下吗

[LU35]

谢谢整理并分享

[bokchoys]

门槛很高。国内的论坛也都不活跃。无从下手。所以我选择了搭建一个论坛，可以邀请您一起建设吗？

[dartabe]

千万不要把高数再看一遍 看到什么不懂得再回去翻翻书就行了 不然浪费时间也没有学习动力

[realkenshinji]

英文尚可，能用 google，直接上 fast.ai 不行么？

[qdcjiDD]

我参考的这个 zh.gluon.ai ，感觉挺不错的。

[linhua]

推荐 fast.ai
这是 fast.ai 的论坛 https://forums.fast.ai/
还有 《动手学深度学习》
https://zh.d2l.ai/index.html

[qianji201712]

感谢分享！

[Bellaaa]

感谢

[VoidChen]

你真的把高数看了一遍？入门阶段我认为不需要系统学习高数，简单的欧氏距离那种高中数学足以应付，用到不明白的再去看就好了。另外你真的在学？不应该先看概率统计？朴素贝叶斯还有基础的几个抽样方法都来自薄薄的概率统计

[yepinf]

高数 /统计学习根本看不动，太难了。

[no1xsyzy]

矩阵运算是线代
概率论
并不都是高数
把大学数学备好就是
到要用再看

[Dori]

老哥，我和你情况一样，下个月新工作是 AI 方向，有没有群什么的交流交流，有点虚的。

[murmur]

@dartabe 不看数学的结果就是做一辈子调参了。。

[Asice]

连 tensorflow 官网都要翻墙，国内是自己在作死。
人家开源给你用，自己倒好关起门了
一直阻碍科技的发展，最终要再次体会落后就要挨打

[luomu24]

数理统计其实更应该翻，然后是高数梯度一章，线代算算特征值，这些有了就足够了。以后遇到更难的再从头找找翻翻。

[kuhung]

谷歌出品的机器学习资料 https://developers.google.com/machine-learning/crash-course/prereqs-and-prework?hl=zh-cn

[kuhung]

老实说，我最近在筹备这样一个社群

[visonme]

只有带着应用的目的去学才容易找到方向，也可以避免在理论的浪潮中迷失自己。

充分了解这么学科的背景，了解其可应用的场景，以及应用的方式

掌握一些必备的基础知识，机器学习，线代某些概念，常用公式以及常用的算法，当然还有数学其它学科一些基础理论，属于必须掌握的，必须了(不要求完读）。

顺着既定应用的路线，在进一步深入模块化学习，机器学习其实很大很复杂，切分模块化去了解它,找到分支的应用点

[qping]

一直想学，高数翻了几章就退下了，看了楼上的说法决定放弃从高数开始