机器学习——学习路线

  无论我们学习什么知识，都应该制定一套系统、完整的学习体系，同时也要找到一条合适的学习路线，那么，在大数据、AI如此火爆的当下，我们应该怎么样指定我们的学习路线呢？在这个时代，每个人都想着获利，他们不会把所有信息都分享给你，互联网上很多信息都是残缺的，但也有人愿意分享，愿意说真话，我们要自己去探索，发掘。

  其实在进行机器学习的时候，很重要的一项就是数学知识，因为本质上目前的机器学习就是对数据进行处理和训练学习，所以数学知识真的是重中之重。

  机器学习算法基本的套路是构造一个数学模型，定义最优解（损失函数、优化目标），然后求出最优解。感觉这个过程和一般的数学建模过程没有本质区别，仅仅因为历史的原因，发展出了一些特别的算法（模型），并且有一套专门的术语。比如，模型的求解在这里叫做“学习”。

  机器学习的算法比较杂，每种算法（模型）都是基于一种思想，不同算法的思想联系比较弱。数学上，不同算法之间应该是有联系的。因此如果基于同一种思想（比如概率模型），可以生成其他的机器学习算法，那么我们就会有一个统一的理解。所以，学习路线可以是先了解必要的数学知识（这部分并不需要非常深入，只需要有基本的向量、矩阵的知识；求导、积分；贝叶斯思想；以及几种常用的求解算法，梯度下降、牛顿法等）；然后学习常用算法；最后融会贯通，打通任督二脉。

  还记得大学的时候学过的高数、线性代数、概率论吗？当年学得怎么样呢？我自己的话&#