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&#