程序人生 | (6) “一五计划”

         随着保研事宜尘埃落定，我这几天一直思考在大四的间歇期是不是要做些什么，来给大学四年画一个圆满的句号。现在我们正处于一个对技术疯狂追求的年纪，说来惭愧，我这三年既没有把成绩做好，也没能在技术上有所突破。机器学习断断续续学了半年，但感觉学的知识总是飘在空中，并未落到实处。近期在to be NLPer的路上艰难探索，期间看了一篇红色石头的文章深受启发，其中提及的“坑”我几乎全都趟过，而文中提及的机器学习入门路线是我近一年来见过的最完美的进阶之路，特此分享，希望能对后来之人有所帮助。之所以选择写在博客中，一是程序员应该有一个属于自己的博客；二是前人的实践证明边学边分享是一个非常好的学习习惯和高效的学习模式。一方面要教给别人之前，自己必须要弄的特别清楚；另一方面，互联网上的互动也会给自己精益求精的动力。好的，现在进入正题。

1.从零起步

        说到入门，很多人包括我自己总会想着从最基础知识学起，机器学习或者NLP是一门融合代数、概率、优化以及计算机科学等为一体的综合学科，需要的理论基础非常多。我现在也正处于这个误区，就是有些人可能基础不是特别扎实，就想着从最底层的知识开始学起，高等数学、概率论、线性代数、机器学习优化公式推导，等等。但是这样做的坏处是比较耗时间，而且容易造成“懈怠学习”，打消学习的积极性。就在前不久，我还不知死活的买了n本数学教材，准备大干一场，至于结果嘛，显而易见我已经开始放弃治疗了。这样做可能远不如自己亲自动手搭建一个机器学习模型来的好。但这并不是说基础知识不重要，而是在入门阶段最好先从顶层框架上有个系统的认识，然后再从实践到理论，有的放矢的查缺补漏机器学习知识点。层层递进，由表及里，步步深入...

2.放弃海量的学习资源

        在AI泛滥的时代，互联网上充斥着各式各样的学习资源，诸如XX机构的XX教程几百G...，在这之前，每当我遇到这种资源，无一例外都会一股脑的保存到我的网盘里，保守估计千G以上...殊不知，很多人包括我仅仅只是搜集资料、保存资料而已，放在云盘里一年半载也忘了打开学习。另一方面，现在学习资源的质量真的不敢恭维，很多授课者都是半路出家，自己不怎么懂就开始教别人，给人的感觉和高中英语老师讲阅读理解一样（经历过的人都懂）...所以，放弃你云盘里的资料吧...

3.寻找权威资源并注重学习顺序（这也是我目前比较认同的一条学习路线，当然我也在实践中...感谢红色石头）

1）吴恩达（Andrew Ng）在 Coursera 上开设的机器学习入门课《Machine Learning》

2）台湾大学林轩田《机器学习基石》

3）台湾大学林轩田《机器学习技法》

4）吴恩达在 Coursera 上开设了由 5 门课组成的深度学习专项课程以及NG在斯坦福新开的CS230深度学习课程

5）基本上完成上述课程就算是入门了。接下来可以根据自己的兴趣和方向，有的放矢。

例如主攻 CV 方向，可以继续学习斯坦福 CS231n 课程；主攻NLP方向，可以继续学习斯坦福CS224n课程。

        上述资源的视频，课件，笔记以及作业，我也会在之后的学习中结合自己的学习感悟进行总结，不定时更新，期待与大家一块交流，共同进步学习。

悟以往之不谏，知来者之可追。忘不了那天在拙政园的邂逅，“你站在桥上看风景，看风景的人在楼上看你。明月装饰了你的窗子，你装饰了别人的梦”。祝她一切顺利，我会继续努力的，为自己变成一个更好的人。

        "亦欲以究天人之际，通古今之变，成一家之言。草创未就..."(hhhhhhh)