有很多小伙伴問過我零基礎(chǔ)要怎么入門機器學(xué)習(xí)或者人工智能，今天來提煉一下，方便志同道合的朋友們參考。
記得我剛?cè)氪松蕉礈蕚湫逕挼臅r候，就 Google 了好多這類的問題，那時候覺得大家的建議好多呀，這條路看起來真長，那么多東西要學(xué)，那么多書要看，那么多有用的課程要學(xué)。
現(xiàn)在我可以就自己走過的坑坑包包來推薦一條簡單粗暴的路徑。
在行動之前，先想好這幾個最基本的問題，如果自己想不全都可以去搜一下，知乎上很多大拿的回答：
我的話，很實在地說，就是不想被淘汰呀！最開始就是這么一個感覺。
官方一點的話，就是可以提高效率呀。
廣泛的需求我并沒有去想，只是想解決一下自己的需求。
譬如，不想做家務(wù)，就弄個機器人給我做；不想做瑣事，就弄個智能助理給我做。
所以大家在開始入洞之前，也要先想幾分鐘這個問題：
eg：是想做數(shù)據(jù)科學(xué)還是人工智能開發(fā)呢？
if Data Science：就多做 kaggle 上偏分析的項目
if AI：再想想是自然語言處理還是圖像識別呢？
我覺得 NLP 和 CV 是最基礎(chǔ)的技術(shù)，AI 主要還是看應(yīng)用領(lǐng)域，現(xiàn)在比較火的：自動駕駛，聊天機器人，ARVR，智能家居，智能教育，等等，最基礎(chǔ)的就是看和理解么，當(dāng)然對于每個具體的方向，肯定是涉及到更多技術(shù)和具體的細節(jié)知識需要去學(xué)的，不過入門的話，這倆是基礎(chǔ)?？梢赃x其一，有興趣也可以選倆。AI 主要還是跟實際應(yīng)用場景關(guān)聯(lián)起來意義才大，醫(yī)療，生物，氣象，教育，交通目前比較火，對某個領(lǐng)域感興趣可以專攻更深。
為了確立明確的入口，最好是知道這三者的關(guān)系，方便大家做計劃時更專注一些
大家可以去多看幾篇這樣的文章，可以很快地了解一下大綱。
我比較喜歡下面這個圖，因為它還列出了其他幾個大的技能。
來自這篇文章：http://www.cnblogs.com/DonJiang/p/5744535.html
從這個圖看，機器學(xué)習(xí)的基礎(chǔ)還是要看滴，雖然現(xiàn)在深度學(xué)習(xí)很流行，類似 Tensorflow 等平臺也可以直接把數(shù)據(jù)仍進去，調(diào)用多種模型，變換網(wǎng)絡(luò)的層次等參數(shù)，它就輸出結(jié)果，不過神經(jīng)網(wǎng)絡(luò)模型是只是機器學(xué)習(xí)的一種，不是全部。當(dāng)然開始的話，完全可以跨過ML課程，去學(xué)用TF訓(xùn)練一個聊天機器人，分析情緒，翻譯器等等。
eg：1 年后找到 ML 工作
then：簡歷上需要相關(guān)項目 or 學(xué)歷背景
對于很多已經(jīng)工作的伙伴，學(xué)歷如果不容易實現(xiàn)的話，可做好項目這一欄。
then：在拉勾網(wǎng)等招聘網(wǎng)站上面找到感興趣的工作，去看相關(guān)工作描述，提取出需求的技能，列入學(xué)習(xí)清單，學(xué)習(xí)時間緊時可以挑相關(guān)的先重點學(xué)。
第一步確立方向后，假設(shè)你想做人工智能，并且是自然語言處理，以此為例：
入門路線的話，一點我只推薦一個吧，簡單不會被嚇到，也是我經(jīng)驗覺得比較高效的：
推薦 python
入門書：learn python the hard way
pkg 教程網(wǎng)站：python scikit-learn
當(dāng)然還需要 numpy，matplotlib，pandas 等常用包，scikit 是介紹算法多一些，可直接看
Coursera 上吳恩達的是我覺得比較基礎(chǔ)且系統(tǒng)的，但它用matlab，大家可以直接換成 python 去敲代碼。Udacity 上的機器學(xué)習(xí)課程是用 Python 做的。
周志華的西瓜書《機器學(xué)習(xí)》
課程：cs224d
如果是圖像處理，課程：cs231n
數(shù)據(jù)科學(xué)：Kaggle 上很多好玩的比賽，開腦洞＋實戰(zhàn)
人工智能：建議找個感興趣的小方向，實際做出來一個，例如做一個自動會創(chuàng)作音樂的小程序
我覺得最有意思的就是在第5步，這期間就會發(fā)現(xiàn)還有好多關(guān)聯(lián)東西需要學(xué)，所以就邊學(xué)邊戰(zhàn)吧
2017 可以給自己定個小目標，一個月拿下一步，升一級，醬紫至多 5 個月后你就可以有自己的AI了。
上面幾步，大家完全可以根據(jù)自己的喜好，在搜索引擎提供的結(jié)果中，選擇適合自己的資源和節(jié)奏。
我覺得最有效的就是從實戰(zhàn)中學(xué)習(xí)，但是理論也是必不可少的。
每一步先只選一個，適合自己的資源，就開始好好學(xué)。
上面只是一小步，離精深還遠。
大家擔(dān)心比較多的問題就是，數(shù)學(xué)不記得了還能學(xué)么？
我覺得，暫時不要緊，可以直接看 scikit，里面有代碼的 demo，知道套路可以用，先用上就會很有成就感。
里面文檔不懂得，例如哪些參數(shù)什么意思呀，怎么調(diào)呀，也可以找搜索引擎幫助。
不過面試的話，對模型的原理，推導(dǎo)，細節(jié)還是要把握好的。
大家都說成長最快的方式，就是找這個領(lǐng)域的牛人學(xué)習(xí)。對于這種學(xué)習(xí)，如果沒辦法做到直接的，在線的，看他的書呀，聽他的課呀，都算是學(xué)習(xí)。
聯(lián)系客服
