如果我不擅长数学怎么办

从事实际科目工作的从业者可能会有“数学焦虑”。

他们认为数学家比他们聪明，并且在掌握一门学科之前就必须“懂数学”。

我亲眼见过这种情况，也见过它阻止了人们开始学习。

在这篇文章中，我想说服您，即使您不擅长数学，也可以开始并能在机器学习领域取得巨大进步。

如果我不擅长数学怎么办
照片来自 meneldur，保留部分权利

从实践中学习，动手开始

我开始编程之前并没有学习布尔逻辑。

我只是开始编程，您可能也一样。

我遵循了一条涉及试错的经验主义道路。这很慢，我写了很多糟糕的代码，但我有极大的兴趣，并且能看到进步。

当我构建越来越复杂的大型软件程序时，我如饥似渴地阅读教科书，因为它们能帮助我更好地构建程序。我寻找可以用来克服我实际遇到的限制的概念和实用工具。

这是一个强大的学习工具。如果我一开始编程就不得不学习布尔逻辑或多态性等概念，我的热情就不会被点燃。

危险区域

我喜欢我的程序无法正常工作的时候。这意味着我必须卷起袖子，真正理解发生了什么。

你可以通过复制粘贴代码而无需真正理解它就能走得很远。你只需要将代码块视为执行你需要的任务的功能单元。将它们足够地粘合在一起，你就可以得到一个解决你问题的程序。

这种经验主义的“黑客”方法是快速学习的好方法，但却是构建生产系统的可怕方法。这是一个重要的区别。常说的“危险区域”是当由经验学习构建的系统投入运行时，而作者却不真正了解其工作原理或其结果的真正含义。

这是一个非常现实的问题。例如，看看一些小型企业将其IT系统和网页的完成度停留在这种水平。

在我看来，原型是一个由复制粘贴的泥巴组成、用胶带粘起来的球，它勾勒出了解决方案可能的样子。

一个运行系统或能产生运行结果或决策的系统，不应该有意外。你希望能够与团队一起进行一整天的代码审查，检查每一行代码。

技术人员

你今天就可以通过实践开始机器学习。你有三个可行的选择：

1. 学习使用像 scikit-learn、R 或 WEKA 这样的工具。
2. 使用提供算法的库并编写小程序。
3. 自己根据教程和书籍实现算法。

这不仅仅是选项，这可以是从初级到中级的技术人员的学习路径，他们“即时”学习一项技术所需的数学知识。

定义小问题，有条不紊地解决它们，并在你的博客上展示你学到的结果。按照这个过程，你将开始积累动力。

你会遇到一些有趣的算法，你会想了解更多，比如更改某个特定参数时它实际上做了什么，或者如何从某个特定算法中获得更好的结果。

这将促使你想要（需要）理解该技术是如何真正工作的以及它在做什么。你可能会画出数据流和转换的图，但最终，你将需要内化正在发生的向量或矩阵表示和转换，仅仅因为它们是我们用来清晰、明确地描述正在发生的事情的最佳工具。

你可以保持经验主义。我称之为技术人员的道路。

你可以通过经验来建立一种直觉，知道使用哪些方法以及如何使用它们。你也可以学习足够的代数知识，以便能够阅读算法描述并将其转换为代码。

这条道路可以让技术娴熟的技术人员创建工具、插件甚至使用机器学习的运行系统。

技术人员与另一端的理论家相对。理论家可以

1. 内化现有方法。
2. 提出对现有方法的扩展。
3. 设计全新的方法。

理论家可能能够抽象地证明一种方法的能力，但可能技能不足，最多只能将其转化为原型演示系统。

你可以根据需要学习尽可能少或尽可能多的数学知识。专注于你的优势，并诚实地认识到你的局限性。

数学在后期是至关重要的

如果必须“即时”学习线性代数，为什么不从一开始就完全、更全面地学习它，并从一开始就深入理解机器学习方法呢？

这当然是一种选择，可能是最有效率的选择，这就是大学的教学方式。但这并不是你唯一的选择。

就像通过从逻辑和抽象概念开始学习编程一样，内化机器学习理论可能不是你开始的最有效方式。

在这篇文章中，你了解到存在一条技术人员可以走的，与理论家不同的道路。

你了解到技术人员可以“即时”学习机器学习算法的数学表示和描述。你还了解到技术人员的危险区域是过度自信，以及将理解不清的系统投入生产的风险。

这可能是一篇有争议的文章，请在评论中告诉我你的想法。