通过寻找里程碑来开始机器学习

在机器学习中，你从哪里开始？

真正取得突破并开始学习，是不是一个动力问题？

在这篇文章中，发现一位软件工程师通过在机器学习中寻找里程碑而取得进展的个人故事。

在机器学习中找到里程碑
照片由Craig Stanfill拍摄，部分权利保留。

新年伊始，我收到了一封来自Cliff Bryant的鼓舞人心的邮件。

Cliff是一位资深的软件工程师，他希望开始学习机器学习。他已经开始了这段旅程。在他的邮件中，他指出问题不在于动力，而在于找到里程碑帮助他开始了学习。

我想分享他的邮件（当然，已征得他同意），因为我认为它能激励那些仍在努力 figuring out 如何开始学习的人。

我对机器学习最初的问题，持续了好几年，那就是我只见树木不见森林。

从外部看，机器学习似乎是一系列令人困惑的技术需要学习。我看不出不同方法之间的结构和关系。我不知道哪种方法应该应用于特定问题，也不知道如何着手解决机器学习问题。

现在我已经完成了几个在线机器学习课程，我开始看到一些普遍的结构。例如，监督学习与无监督学习，以及回归与分类。

我认为新手进入机器学习领域面临的问题是“从哪里开始？”以及“我的时间应该花在哪里学习？”。在确定了这些里程碑之后，我现在感到更有信心去拓宽我的知识，包括更多技术。

除了学习算法、技术和理论之外，还有实际操作大规模数据的经验性问题。看到一些这方面的例子，或者至少了解一下正在发生的事情，会很有帮助。在这方面，我认为R语言（在其当前实现中）仅限于适度大小的数据集（那些可以放入主内存的数据集）。我认为Python是一种可以跨越数据规模问题的数据集。

一旦你开始看到机器学习领域的整体轮廓，这会很有帮助，因为这样就更容易看出新技术和算法如何融入整体框架。

我从一开始的问题就不是动力问题。我从小就一直热爱数学。我开始学习机器学习时遇到的问题是：从哪里开始？

很棒的邮件！再次感谢Cliff的分享。

如果你有关于如何开始学习的经验，我很乐意听听。

在下方留言或给我发邮件。