第二篇：吴恩达谈如何系统学习机器学习

三个系统学习机器学习的步骤：学习基础编码知识、学习机器学习及深度学习、专注于一个角色

想要成功构建机器学习系统，基本的编程技能是先决条件。在开始实践简单的机器算法之前，需要具备编写一个简单的计算机程序（函数调用、for loops、条件语句、基本的数学操作）的能力。虽然掌握更多数学知识能让你更具优势，但也不必将精力过多投入到诸如线性代数、概率和统计这样的数学基础上。

在学习了基础编码知识后，就可以正式开始机器学习之旅了。由斯坦福大学推出的机器学习课程是不错的选择。该课程提供了对机器学习、数据挖掘和统计模式识别的广泛介绍，能帮助大家有效构建对机器学习的认知和理解。主要内容包括：监督学习、无监督学习和机器学习的最佳实践。该课程从大量的案例演剧和应用中汲取经验，便于大家学习如何将学习算法应用于构建智能机器人（感知、控制）、文本理解（网路搜素、反垃圾邮件）、计算机视觉等任务、

此外，深度学习也是你需要涉猎的领域。由DeepLearning.AI开发的深度学习专业课程涵盖了在计算机视觉、自然语言处理和语音识别等领域构建应用程序所需的知识。将从医疗保健、自动驾驶、手语月度、音乐生产和自然语言处理等方面开展案例研究，以便在掌握理论知识的基础上了解深度学习在个行业中的实际应用。

当你对机器学习和深度学习都有了较为深入的学习后，下一步行动将取决于你心中想要成为的角色，例如成为数据科学家、机器学习工程师或机器学习研究员等，亦或是将所学的AI技能与你目前从事的工作相结合，将人工智能更好地应用于现实世界问题。

确定角色之后就要迈入真正地实践环节了。对此，项目选择和团队合作至关重要。确定可行和有价值的项目是一个重要的步骤，必须在你的职业生涯中反复实践。在完成项目的过程中，团队合作比单打独斗更容易取得成功。与他人合作、提供及听取建议的能力至关重要，这能帮助你在协作过程中建立广泛的关系网。当你需要帮助或建议的时候，拥有一个强大的职业关系网能够助你前行。

在积累了一定的机器学习理论知识和实践经验后，找到一份相关的工作看似是每个人的最终目标，但它只是漫长职业生涯中的一小步。你需要保持自律，不断学习。身边的人并不清楚你把周末的时间是用在学习还是刷手机上了，但随着时间的推移，他们终将注意到差异。自律的生活可以帮助你在保持健康的同时继续进步。

从初学者一路走向从业者，这条路注定是宽阔却不平坦的，但这一路上遇到的人和事都将助你走向成功。