程序猿的机器学习之路-0-前言及学习资料

程序猿的压力从来就没有停止过，从语言、平台到构架，技术总是日新月异，我们的学习之路永远没有终点。Google的AlphaGo和IBM的Waston最近又给IT界带来巨大的震动。计算机认知技术现在成了知识界的Top 1话题。所以程序猿的学习之路上，又横空出世了“机器学习”这么个巨无霸出来。

机器学习对程序猿的考验不仅是编程的能力，如果想做深、做专、做出品味来，还需要对分布式计算、学习算法、数学等有一定的掌握。故此路和以往的技术升级相比，门槛提高了许多。

本人也是一名在这条路上摸索的程序猿，有幸的是目前的工作内容也在相同方向上，可以多些时间和精力的投入。开此博，一是学习的总结，为自己设定一个可以衡量的目标，自我监督；二是结交同道的学友，共同成长。

本博的核心思想：以动手实战带动理论的学习

程序猿学习新技术，第一个问题就是用什么语言？我考察过R语言、Java和Python，最终选择了Python。作为程序猿，出生于统计学的R一来就被毙了，Python和Java相比，区别是很明显的，在入门学习这块，Python是学习资料和工具最多的。所以从学习的角度讲，先用python吧。以后实际工作和产品研发再用Java也不迟，没有太大影响的。一旦掌握了算法和思路，语言只是工具而已。

机器学习的资料，知乎上有很多，还可以百度一下。各种文章多得就像娱乐版的明星新闻一样。这里就只说下我现在学习过的资料，仅供参考：

1. 书：机器学习实战，尽管有说代码写得不好，数学理论介绍不够详尽的差评。但是完全满足我现在的需求。不同人有不同的需求，这一定要找准适合自己的，哪怕不看书，只看某些博客呢:)。

   此书特点：选择了流行算法的基础版本进行讲解，虽然数学公式一笔带过，但是我们可以通过相应的知识点去知乎、百度和Google来补充。某些大而全的书，虽然都讲了，但似乎又什么都没讲；另外，就是基于Python的练习题，完全满足了动手练习的需要。

2. 视频：看过最火爆的Andrew Ng的视频，看了几次课就没看了。主要是自己需要的是一个有快速反馈（动手练习）的学习过程，所以只有等以后再继续“拜看”了。我上了“小象”的2017年1月的机器学习课程，避免广告不多讨论，“书非买不能读”呀~

3. 数学：又把大学的教材买了一套回来，有概率论、线性代数和高等数学。主要作为参考用书，看到不懂的公式复习一下。

现在的学习就是围绕一本书、一个网络课程进行。

开篇就写到这里吧，后面的学习过程我会继续完善用到的学习资料到这里。有兴趣小伙伴可以扫描下面的二维码，关注公众号：机器学习研习社

你的关注，我的动力！