一年机器学习

Per 从 开发者 转型为 机器学习实践者，
你也可以！

Per Borgen 是一个鼓舞人心的人物。

他从开发者转型为机器学习实践者。他解释了他如何做到的。

在这篇文章中，您将了解 Per 在转型过程中学到的经验教训。

您将了解他采用的两种方法以及如何使用它们。您还将了解 Per 对像您一样正在寻求转型的初学者的建议。

您还将了解 Per 对像您一样正在寻求转型的初学者的建议。

让我们开始吧。

一年机器学习
照片由 Andreanna Moya 提供，部分权利保留。

一周机器学习

Per 的第一个实验是花一周时间专注于机器学习，看看他能走多远。

像许多对机器学习感兴趣的学生一样，他只完成了部分在线课程 (MOOC)，并且无法将所学知识转化为实际解决问题。

他称他的经历为“一周机器学习”，实际上是 5 天。

他的计划安排如下：

1. 周一：学习基础知识。
2. 周二：对新数据进行预测。
3. 周三：从头开始编写算法。
4. 周四：参加比赛。
5. 周五：在 Udacity 上学习。

他的计划非常实用，其中两天专注于建模以获得结果，另外两天专注于实现算法。

我真的很喜欢。

他评论道：

当你意识到你可以开始使用机器学习来解决现实世界的问题时，这是一个关键时刻。

我认为 Per 的一周经历的最大收获是，在一周的工作时间内可以取得非常实在和非常有价值的进步。

五年在 20-40 年的职业生涯中微不足道。

他自己也这么说：

如果您有兴趣从事机器学习，我强烈建议您花几天或几个晚上的时间，全身心地投入其中。

Per 推荐自上而下、以结果为先的方法来入门，就像我在 Machine Learning Mastery 上教授的那样。

如果您还没有准备好接触核心内容，请选择一种自上下的方法，并尽快投入到解决问题中。

一年机器学习

Per 走得更远。

一年后，他发表了一篇后续文章，宣布他在工作中完成了第一个机器学习项目。

这篇文章的标题是“一年机器学习”，详细介绍了他在过去一年中学习机器学习的情况。

他坚持自上而下的方法，这无疑是他转型过程中的关键，他说：

事实上，你不需要太多数学知识就可以开始学习机器学习，也不需要学位就可以专业地使用它。

他一年的机器学习自学充满了起起伏伏。他的这一年以他在工作中开发一个模型来促进销售而达到顶峰。

干得好！

学到的经验教训

Per 在文章中穿插了他学到的经验教训。

我有一个稍微不同的视角。我总结了他经验中的 5 个关键教训：

• 1. 采用简单的自上而下的方法，而不是艰深的自下而上的理论方法。
• 2. 您不需要更高的学位，只需专注于交付价值。

这也打破了我对只有拥有硕士或博士学位的人才能从事机器学习专业工作的迷思。

• 3. 也许可以跳过 MOOC，或者找一个适合您的课程。

我也没完成，就像我通常对 MOOC 所做的那样……如果我能回到过去，我会选择 Udacity 的机器学习入门课程，因为它更简单，并且使用了 Python 和 Scikit Learn。这样，我们就能尽快上手，建立信心，并获得更多乐趣。

• 4. 不要试图同时学习机器学习和一门新的编程语言。

对于新手来说，学习一门新语言并同时尝试编写机器学习算法太难了。

• 5. 通过参加比赛，练习在真实数据上交付结果。

这其中的主要收获是通过尝试不同的算法和数据来迭代改进结果的经验。

专业技巧

我在其中发现了两个专业技巧。

两个我认为可以真正加速进步的要点。

1. 找一位教练来支持和指导您。
2. 询问并看看是否可以在工作场所学习机器学习。

考虑尝试这些策略来真正加速您的进步。

给初学者的建议

我真的很喜欢他最后的 remarks。它们对初学者非常有鼓励性。

走到这一步无疑是一段漫长的旅程。但也很迅速；当我开始我的“一周机器学习”项目时，我当然没有期望在一年内能真正将其用于专业工作。但这是 100% 可能的。如果我能做到，其他人也都能做到。

如果 Per 能做到，为什么你不能？

总结

在这篇文章中，您了解了 Per Borgen 如何从开发者转型为机器学习实践者。

您学到了

• 您可以在一周内取得非常切实的机器学习进展。
• 您不必从理论开始或获得更高的学位。
• 您可以在一年内完成转型，如果您坚持并练习，甚至可以更短。

你从 Per 的经历中学到了什么？
你是否也一样受到启发？
请留言，我很想听听您的想法。