时光飞逝,学习机器学习已经很久了,深感机器学习之博大精深,可能不断学习数十年也无法穷尽。但从另一方面考虑,我也学了很多,也有一些自己的感悟。
在过去几年,机器学习取得了巨大的进步。网上也有了越来越多的在线课程,并出现了各种各样的框架来避免用户直接面对机器学习系统复杂的底层。这大大降低了机器学习应用的门槛,你不需要对其有多深的知识。
然而,机器学习依旧是一个相对“难”的问题,现有的算法和模型能解决的实际问题还是远远不足。
作者认为困难的一方面是需要了解有哪些可用的算法和模型,每个算法和模型各有什么样的特点。这方面的知识可以从课程、书籍和论文中获得。当然更重要的还是要自己尝试实现和测试这些算法、模型。这就引出了另外一个困难,机器学习非常的难以调试。在调试过程中,通常有两种情况:1)你的算法不工作。2)你的算法不能很好的工作。
机器学习的一个独特之处就在于,当事情不能按预期工作时,你很难弄清楚到底是哪里错了。
对于新手而言,有四座大山:数学基础、算法模型、机器学习应用、常见工具。市面上常见教材都主要关注算法模型,而很难兼顾另外几个方面,所以学习的过程中最常见的问题就是这公式是咋推的?我学这个有啥用?模型懂了咋实现?
一本教材解决不了所有问题,机器学习的学习过程是个螺旋上升的过程。先学习一些算法模型,看不懂了再去学一些数学,同时也要看看常见的应用比如推荐、搜索、NLP、CV中是如何运用的,跑一跑最新的库。再回来学一些模型,看一看数学。螺旋上升,慢慢提高。
给大家整理了一份机器学习路线图,一起来看看有什么内容吧,希望对你有帮助
机器学习笔记
机器学习路线图
机器学习基础及项目实战(含代码)
机器学习书籍
获取方式:关注公众号:咕泡AI 回复985
已全部打包