如何系统的学习机器学习，算法工程师入门路径

我作为一名五年前从安卓开发，成功转行算法工程师的程序员，认真回顾一下当年的学习心得。在当年研究生阶段，漫长的学习过程中，非常焦虑，并且由于机器学习先验知识较多，不像开发那样能有及时的正反馈，再加上“樯橹灰飞烟灭”的求职现状，所以时常怀疑自己的决定是否正确，网上搜到的文章也没有一篇能与自己产生共鸣。所以希望这篇文章能对你有所启发，提供一个大家一起交流自己问题的地方。

一. 看山是山 -- 初识机器学习

听很多人提到机器学习，有很多公式和概念，可是我想先大体了解一下机器学习，看看我到底感不感兴趣。那有没有诸如Head First 那种快速简单入门的书呢？

有，就是《集体编程智慧》这本书。这本书其实非常经典，但是可能由于比较入门，现在很少有人提起它了。一开始并不需要深入了解机器学习算法的知识，而是知道机器学习能做些什么，培养对机器学习的兴趣，这一点将会是你未来坚持走下去的源动力。

我上学时期就是阅读这本书发现了机器学习的魅力，通过分析数据，得到集体智慧，这不就是编程的最高价值所在嘛。

《 集体智慧编程》以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策 建模功能、网络的信息匹配技术、机器学习和人工智能应用等。

二. 看山不是山 -- 深入学习

到了这个阶段，默认你有很长的学习时间，希望系统的学习，而不是为了急于就业想走捷径。

整个学习路径是： 机器学习理论 -> 机器学习实战 -> 深度学习理论 -> 挑选深度学习就业方向 -> 方向实战。这就是从学习到找工作的整个学习路径，下面详细说说每个阶段要做些什么和怎么做！

1. 机器学习理论

机器学习确实需要数学基础，但是要求并没有很高，只要大学上过《高等代数》和《概率论》课程就完全能应对。机器学习理论最扎实的学习方式就是上课，我曾经