机器学习自学指南

有很多方法可以学习机器学习。

您可以阅读书籍、参加课程、参加比赛以及使用各种工具。

在这篇文章中，我想围绕这些活动构建一些结构，并建议一个大致的顺序，说明在您从程序员转变为机器学习专家的旅程中，何时应该学习哪些内容。

机器学习的四个层次

考虑机器学习的四个能力层次。这是一个模型，可以帮助我们思考可用的资源和活动，以及何时适合进行这些活动。

1. 初学者
2. 新手
3. 中级
4. 高级

我想在这里区分初学者和新手，因为我想表明一个绝对的初学者（一个对该领域感兴趣的程序员）如果选择，他们也有一条前进的道路。

我们将遍历这四个层次，并考察可以帮助处于某个层次的人学习更多、提高理解力和技能的资源和活动。

这个细分只是一个建议，某些层次之前或之后的活动或资源在给定的层次中可能非常有用和适当。

我认为整体结构很有用，我非常想听听您的想法，请在下方留言评论。

由 pugetsoundphotowalks 贡献，部分权利保留

初学者

初学者是指对机器学习感兴趣的程序员。他们可能已经开始阅读一本书、维基百科页面，或者参加了几门课程，但他们还没有真正“理解”它。他们感到沮丧，因为他们得到的建议是针对中级和高级水平的。

初学者需要一个温和的介绍。远离代码、教科书和课程。他们首先需要了解“为什么”、“是什么”和“如何”，为新手级别的材料奠定基础。

以下是一些适用于绝对初学者的活动和资源：

• 书籍介绍：阅读面向程序员的优秀机器学习和数据挖掘书籍的介绍，例如：
  • 《黑客的机器学习》(Machine Learning for Hackers)
  • 《集体智能编程》
  • 《数据挖掘：实用机器学习工具与技术》(Data Mining: Practical Machine Learning Tools and Techniques)
• 概览视频：观看向非专业观众介绍机器学习的演示文稿。一些例子包括： Tom Mitchell 的访谈 和 Peter Norvig 在 Facebook Tech Talk 上关于大数据。
• 与人交流：询问他们是如何开始接触这个领域的，他们推荐给初学者的资源有哪些，以及是什么让他们对这个领域感到兴奋。

新手

新手已经接触过机器学习领域。他们读过书或上过课。他们知道自己对此感兴趣，并想了解更多。他们开始理解了，并想开始动手实践。

新手需要做一些事情。他们需要付诸行动，以便将材料扎实地融入现有的知识结构中，例如他们熟悉的编程语言或他们习惯解决的问题。

以下是一些适用于新手的活动和资源：

• 完成课程：参加并完成斯坦福大学机器学习课程等课程。做大量笔记，尽可能完成作业，提出很多问题。
• 阅读书籍：不是教科书，而是像上面列出的面向初学者的友好书籍。
• 学习工具：学习使用或库，如 Scikit-Learn、WEKA、R 或类似的工具。具体来说，学习如何使用你在书本或课程中学到的算法。亲眼看看它的运作，并在学习它们的同时尝试不同的方法。
• 编写代码：实现一个更简单的算法，如感知器、k-近邻或线性回归。编写小程序来揭开方法的神秘面纱，并学习实现它所需的所有微观决策。
• 完成教程：跟随并完成教程。开始构建一个包含你完成的小项目、数据集、脚本甚至源代码的目录，以便你回顾、阅读和思考。

中级

新手已经读过一些书并完成了一些课程。他们知道如何使用一些工具，并且已经编写了很多代码，包括实现简单的算法和完成教程。中级学习者开始独立钻研，构思自己的项目来学习新技术，并与更广泛的社区互动和学习。

中级学习者正在学习如何准确、熟练、稳健地实现和运用算法。他们也正在培养花大量时间处理数据、清理数据、总结数据以及思考数据可以回答哪些问题的技能。

以下是一些适用于中级学习者的活动和资源：

• 小型项目：构思小型编程项目和实验，将机器学习用于解决问题。这就像设计和执行自己的教程，以探索你感兴趣的技术。你可以实现一个算法，或链接到一个提供该算法的库。 了解更多关于小型项目的信息。
• 数据分析：熟悉数据集的探索和总结。自动化报告，知道何时使用何种工具，并寻找可以探索、清理数据并从中练习技术并传达有趣信息的数据。
• 阅读教科书：阅读并内化机器学习教科书。这可能需要掌握对技术进行数学描述的技能，并认识描述问题类别和算法的正式化。
• 编写插件：为开源机器学习平台和库编写插件和包。这是一个学习如何编写健壮的、生产级别的算法实现的练习。在项目中使用你自己的插件，请求社区进行代码审查，并努力将代码纳入平台（如果可能）。获得反馈和学习是目标。
• 竞赛：参加机器学习竞赛，例如与会议相关的竞赛或在 Kaggle 等平台上提供的竞赛。参与讨论，提出问题，了解其他从业者如何处理问题。为你可从中汲取的项目、方法和代码库增加内容。

高级

高级从业者已经编写了大量的代码，无论是集成机器学习算法还是自己实现算法。他们可能参加过竞赛或编写过插件。他们读过教科书，上过课，对该领域有广泛的了解，并且对他们偏爱的几项关键技术有深入的了解。

高级从业者构建、部署和维护使用机器学习的生产系统。他们紧跟该领域的最新发展，并积极寻找和学习一种方法的细微差别以及其他一线从业者传递的技巧。

以下是一些适用于高级从业者的活动和资源：

• 定制算法：修改算法以满足他们的需求，这可能涉及实现会议和期刊论文中针对相似问题域概述的定制。
• 新算法：根据底层形式化方法，设计全新的方法来应对遇到的挑战。这更多地是为了获得最佳结果，而不是推进该领域的边界。
• 案例研究：阅读甚至重现为机器学习竞赛和其他从业者完成的案例研究。“我如何做到的”论文和帖子通常充满了关于数据准备、特征工程和技术使用的微妙技巧。
• 方法论：流程的系统化，无论是正式的还是为自己而设的。此时他们已经有了一种解决问题并获得结果的方法，并且他们正在积极寻找方法，通过技巧、最佳实践以及新的和更好的技术来进一步完善和改进该流程。
• 研究：参加会议，阅读研究论文和专著，与该领域的专家交流。他们可能会写下他们的一些工作并提交发表，或者只是将其发布在博客文章中，然后继续工作。

精通是持续的，学习永无止境。一个人可以在这次旅程的任何一点暂停和绕道，成为“竞赛达人”或“专业库达人”。事实上，我预计这样的绕道将是常态。

这个细分可以被看作是技术人员从初学者到高级水平的线性路径，它是有意以程序员为中心的。我非常想听听对这一解读的批评，以便我能做得更好。这个细分只是我在给定层次上对要解决的活动类型的建议。

那么你处于哪个级别，接下来打算做什么？留言评论！

更新：继续在 Reddit 上讨论。