设定一个非常清晰的目标
清晰的目标就比如说你要做NLP，你要知道NLP的应用有智能问答，机器翻译，搜索引擎等等。然后如果你要做智能问答你要知道现在最发达的技术是深度学习，使用的算法有RNN/LSTM/Seq2Seq/等等一系列。而我的清晰目标是在实习的时候给我的任务。当任务很明确的时候，所需要的语言就明确了，所要学习的算法也就明确了，很多东西就顺理成章了不用一头乱撞了。
机器学习是人工智能的一种，深度学习是机器学习的一种。学AI先学机器学习。
理论知识对于AI算法工程师极其重要。敲代码只是思路的一个实现过程。这里的“算法”和计算机CS的“算法”还不太一样，AI算法是偏数学推导的，所以数学底子还是需要点的，学的越深，要求越高。面试的时候，很少让手写代码，90%都是在问模型抠算法细节。
按照数据集有没有Y值可以将机器学习分为监督学习、半监督学习和无监督学习。监督学习是分类算法，无监督学习是聚类算法。
机器学习如何入门
机器学习的三大块：传统的机器学习ML、图像处理CV、自然语言处理NLP
首先推荐一个入门神器：
ML入门该参加的赛题（Titanic）
图像入门该参加的赛题（数字识别）
NLP入门该参加的赛题（情感分析、quora问句语义匹配）
自学如何寻找学习资料？
1、Kaggle（www.kaggle.com）
这是一个世界级的最权威的机器学习比赛，已被谷歌收购。赛题覆盖传统机器学习、nlp、图像处理等，而且都是很实际的问题，来自各行各业。kaggle是数一数二完善的ML社区了，赛题开放的数据集就很有用，非常适合新手练手。对优秀的kaggler也提供工作机会。
上面的赛题不仅很有代表性，还有很多免费的优秀的数据集供你使用，要知道收集数据是机器学习的第一大难题，它就帮你解决了。入门不用立马参加比赛，把数据下载下来，尽情折腾就好了，要是没有思路，去网上搜别人的解题笔记和代码借鉴一下也很美好~因为这是大家都争相打榜的比赛，所以你并不孤单。
2、github（www.github.com）
3、StackOverFlow（www.stackoverflow.com）
代码报错找它，代码不会敲找它！所有与代码相关的坑，基本都有人踩过啦
4、csdn（www.csdn.net）
最接地气的博客聚集地，最常看的网页之一，一般用来搜索细节知识点或者代码报错时
5、sklearn（scikit-learn.org/stable）
专业做机器学习100年！各算法各技巧的例子code应有尽有
6、medium（medium.com）
创办人是Twitter的创始人，推崇优质内容，国内很多AI公众大号的搬运都来自于这里，medium里每个作者都有自己独特的见解，值得学习和开拓眼界，需要科学上网
7、towards data science（towardsdatascience.com）
与medium很像，需要科学上网
8、google AI blog（ai.googleblog.com）
谷歌的AI团队维护的博客，每天至少更新一篇技术博客。刚在上海开的谷歌开发者大会宣布将会免费开放机器学习课程，值得关注一下，毕竟是AI巨头
有口碑的AI公开课平台
-
coursera（www.coursera.org/browse）
-
吴恩达(Andrew Ng)机器学习
-
专注于深度学习。Fast.ai的创始人就蛮有意思的，是横扫kaggle图像处理的高手，不摆架子，也不故弄玄虚。中心思想就是深度学习很简单，不要怕。fast.ai有博客和社区。Jeremy和Rachel鼓励撰写博客，构建项目，在会议中进行讨论等活动，以实力来代替传统证书的证明作用。
-
udacity（in.udacity.com）
有中文版，课程覆盖编程基础，机器学习，深度学习等。
-
网易云课堂
实用的小技巧
浏览器首推 chrome
搜索问题一定用google，如果没解决是你的问题不是google的锅
2159
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
