机器学习 & 数据挖掘学习路线

​1.什么是机器学习

随着人工智能领域越来越火，作为其核心实现手段的机器学习也进入了大家的视野，感觉不学习就赶不上时代的步伐了。

那什么是机器学习呢？

机器学习是一门多领域交叉学科，是一类算法的总称，这些算法主要是从大量的历史数据中挖掘其中的规律，用于预测或者分类。这样的描述可能有些抽象，但是机器学习已经在我们的生活中无处不在，有着非常广泛的应用：

1.推荐系统

网易云音乐的”歌单推荐“，某宝的“商品推荐”，抖音快手的“视频推荐”，今日头条的“新闻推荐”等

2.计算机视觉

人脸识别，车牌识别，扫描文字识别，图片内容识别，图片搜索

3.自然语言处理

百度的搜索引擎，语音机器人，输入法，机器翻译等等。

2.学习路线

数学基础是机器学习中必不可少的部分，如果没有足够的兴趣，很容易觉得枯燥乏味，难以坚持下去，因此我推荐的学习路线是先实践后理论再实践，循环往复的过程。初入门时先实践，逐步建立兴趣，并产生一定的成就感，在随后深入的时候就不会那么枯燥了。

先推荐几本入门的基础实践书籍，主要是建立兴趣，可以不求甚解地读，每行代码都亲自敲一下，成就感爆棚；或者发现自己没有那么感兴趣，也可以选择更换方向。

入门实践书籍

集体编程智慧

智能Web算法

机器学习实战

机器学习基础及理论

统计学习方法

Pattern Recognition and Machine Learning

The Elements of Statistical Learning

进阶实践

计算机视觉

斯坦福231n课程 http://cs231n.stanford.edu/

自然语言处理

斯坦福224n课程 http://web.stanford.edu/class/cs224n/

斯坦福224d课程 https://cs224d.stanford.edu/

Kaggle比赛

3.总结

除了上述推荐的部分之外，还有一项特别重要的部分就是各个方向的论文，论文可以到https://arxiv.org/上去找找。

在机器学习&数据挖掘&深度学习的道路上难免会遇到挫折，不懂的地方，一定要学会勤于思考，勤于找问题，在不停地实践和学习理论的过程中会加深理解，祝大家早日达到炉火纯青的水平。

本文提供的上述书籍可以在公众号后台回复"书籍"获取电子版本。

 

数据挖掘之旅：基础环境搭建（一）

数据挖掘之旅：经典实例（二）

DSSM论文阅读与总结

算法工程师如何应对业务方和老板的灵魂拷问？