机器学**太难？这里有一份详细到周的入门学**计划

https://www.ishuo.cn/doc/itshqnqf.html

机器学**太难？这里有一份详细到周的入门学**计划

2016-11-23  菜鸟要飞 ID:35902752

哈喽，大家好！如果你点进了这篇文章，那你应该是想要学**一些机器学**的知识的。如果你还没有想好，或者觉得有些困惑，那么我得提前给你打个预防针：学**机器学**的过程其实是比较艰辛的。

如果你始终怀有坚持的信念，并且大胆尝试的话，你就可以从这篇指导中比别人得到更多。因为这篇指导不仅能帮你形成一种全新的思考方式，还可以启发你如何将所学的知识应用到你自己的实践当中，使你的工作更加富有创造力，拥有更多可能性。

目前对机器学**的初学者来说，最大的问题在于面前有几十年积累的研究成果，可切入点太多，反而不知道从哪里入手开始学**。就像爱迪生做了 1000 次尝试，最终发明了电灯一样，人工智能领域的研究进程，也经历过几十年的试错过程（AI 研究的冬天），直到现在，该领域的研究才真正开始向前推进。所以你会从第一次，或者第 79 次，或者第 999 次尝试那里开始学**吗？其实并不用。我们可以直接从真正推进的那一刻开始学**（或者说目前看来是步入正轨的地方）！

所以这里我建议你学**的第一步是观看 Andreessen Horowitz 上 Frank Chen 的 AI 启蒙视频，憋说话，先把它看完。因为 Frank Chen 在人工智能领域的大众启蒙方面有着突出成绩。

观看地址：https://vimeo.com/170189****99

同时，这个视频也可以当做是一个小小的自我检测，考察自己是否真的对人工智能领域充满**。如果你只是想要简单了解人工智能，在工作会议中显得更加博学（装X），那么我推荐你阅读哈佛商业评论的推荐清单即可。但是如果你想要深入了解人工智能，学**其中的技巧，那么请继续阅读本文。

学**新事物的第一步是评估哪些是你已有的知识；哪些是你可以较为轻松地进行迁移的知识。简单起见，我将学**者可能处于的阶段分成三种。阶段的划分取决于你对机器学**必备的两大基础知识——数学和编程的掌握程度。读到这里，请先不要放弃。一个相对较好的数学基础和对简单编程的基本了解确实可以让你学**得更加轻松。

1、小白初学者（大约需要20周）

我不得不承认，对于小白初学者的学**指导写起来有些困难。但是这 20 周的学**对小白初学者来说是至关重要的。只有拥有一个强大的基础，你才能持续不断地学**多的技巧，在机器学**领域中走得更远。我明白你们对数学和编程有些抗拒（其中的原因可能有很多，比如说老师太差）。但是你必须开始攻克这些难关。相信自己在努力过后，必定能变得更加强大。

这里，我首先建议你们在可汗学院上注册账户（这个是完全免费的，内容也很有趣）。我自己就在那里获得了计算机科学的学士学位，这个学位要求我进行了很多复杂的数学计算。我敢说，可汗学院真的帮助我在数学上建立了信心，它的作用比我学**生涯中所有老师的影响都大。

算法——1周，免费

我们从算法开始学**，这部分应该进展的很快。对算法概念的深刻理解和一些技巧的掌握可以帮助你快速学**机器学**技能，甚至可以让你顺便掌握深度学**算法。人工智能领域目前的成就很大程度上源于更好的训练算法。所以从算法开始学**是至关重要的。

https://www.khanacademy.org/computing/computer-science/algorithms

Mimo 软件中的 Python 语言基础——5小时，前3天免费，使用8折券后售价39美元

我个人非常喜欢这个教程。如果想要学**用 Python 语言编程，那么 Mimo 软件是非常适合的。很久不编程的我都会因为 Mino 软件而重新点燃了编程的兴趣。 你可以在地铁或者出租车上使用这个软件，轻松学**如何编写出酷炫的应用。软件官方建议用 4.5 小时来学**这些核心概念。

https://getmimo.com/

代数——10周，免费

这绝对是一个不能忽略的部分。对线性代数的理解是学**机器学**的必备条件。你可以根据自己的情况决定自己的学**进度。当然，我强烈建议你完整地学**该课程，获得课程全部徽章。

https://www.khanacademy.org/math/algebra-home

统计学和概率论——10周，免费

接着，你需要坚实的统计学和概率论的基础。毕竟，在机器中构建通用的人工智能实际上就是用来预测可能性的。

https://www.khanacademy.org/math/statistics-probability

如果……

①如果你已经成功地完成了该阶段对于算法、Python 语言、代数、统计学、概率论的学**。那么，请好好奖励自己。因为这个阶段并不简单，但是却是非常值得的。现在，你已经是一个“积极的初学者”了。在 20 周的时间内从完全小白初学者到积极的初学者的成就，是非常值得肯定的。你的热情和决心在后续的学**之中需要继续发扬。

②如果你还想要更加稳固自己的基础知识，以便在人工智能领域走的更远，这里还有一些进阶教程，供你参考。

Python（进阶版）——进度自我掌控，免费

https://learncodethehardway.org/python/

微积分——15周

https://www.khanacademy.org/math/calculus-home

微分方程——3周

https://www.khanacademy.org/math/differential-equations

2、相对初学者（大约需要3个月）

对相对初学者而言，最好的学**起点就是和前辈一起进行训练，也就是学** Andrew Ng 的课程。大家对该课程的推荐度很高。学** Coursera 上 Andrew 的课程大约需要 11 周。如果你需要的话，还可以在课程结束后花费79美金获得一个 Coursera 颁发的人工智能学**证书。

Coursera 上 Andrew Ng 的机器学**课程——免费，斯坦福在线颁发的学**证书需要 79 美元。

https://www.coursera.org/learn/machine-learning

该课程的先修知识：

·基本的计算机科学原理和技巧，达到可写出复杂计算机程序的水平

·熟悉基本的概率论原理

·熟悉基本的线性代数知识

如果……

①如果在学**课程中间感到困难，你应该停下来反思一下是不是先修知识没有掌握，因为 Andrew 在教学中已经假设你学**过了先修知识。我本人在学**中也有过重新学**忘记的数学知识的经历。因为只有觉得学**起来感到轻松，你才能继续学下去。

②如果你也完成了这个阶段的学**，你就可以进入下一个阶段——“积极初学者”。

注意：下一个阶段可能花费的时间不多，因为你已经有了很好的基础。

3、积极初学者（大约需要4个月）

恭喜你！你已经做好了成为人工智能领域“绝地武士”的准备。Udacity（优达学城）上的课程是由 Sebastian Thrun（优达学城的前CEO 和联合创始人，前谷歌职员，斯坦福计算机科学教授）和 Peter Norwig（谷歌研究部主管）教学的。你可以在谷歌中找到这个课程（完全免费）。这是一个最好的、最富交互性的视频教学课程。他们将会使你对人工智能有一个整体的良好认识。他们甚至会教给你一些工作中会遇到的更深入的话题，比如博弈论、计算机视觉、机器人、自然语言处理。你可以学到的知识会比你想象的多。

人工智能简介课程——免费

https://www.udacity.com/course/intro-to-artificial-intelligence--cs271

当你学**到这一步后……

如果你已经完成了所有三个阶段的学**，并学**了优达学城上的课程后，你可以好好庆祝一下，给自己放个假。因为这个过程真的非常艰辛。但是我相信这个过程也一定非常有趣。加油吧，各位！

这里还有一些阅读书单供你参考：

https://www.udacity.com/course/intro-to-artificial-intelligence--cs271

欢迎与我分享你在学**过程中的心得，相信你在其中也体会到了学**和进步带来的成就感。