我收到了很多来自小伙伴和学生的私信,在转行Python数据分析师的时候,学习到机器学习领域学不下去快要放弃了,然后根据几百份的沟通记录分别归类成了5个主要原因,然后根据这些原因总结了对应的解决方案。
没有给自己充足的自信心
经常我们会被自己的一些惯性的思维限制了我们的想象力,这个也限制了学习进步的动力。
假设有一些目前有想要实现或者要做的事情,一般的你会很坚决地要去执行去完成,但是往往会出现的很多问题会让你放弃。
切记不要有这种想法,没有一个人是能够直接一步到位成功的。
- 信心信仰 如果开始学Python机器学习,做不好是不是因为我的能力不够才失败做不好的,可能不足以成为一个机器学习者。
- 普遍想法 所有的数据科学家都有博士、硕士学位,他们才能搞定这么高大上的东西。
那么没关系,逐步的把你学到的技能应用到自己认知的的可以应用机器学习的领域并挑战它们。
直到…才能的误区
我认为除非你有一些特定的先验知识,否则你无法使用Python机器学习解决你的问题。但是你认为你需要的先验知识需要知道了解很多事情,可是这门学科的专家也未必知道所有的知识,都是在不断的尝试实践中获取结果、学习进步的。
对于 直到…才能 有些想法,比如说下面这些就是大多数人会犯的错误
- …我获得了学位或更高的学位…
- …我必须完成了机器学习的所有课程…
- …我必须擅长线性代数…
- …我掌握统计学和概率论…
- …我已经掌握了Python语言…
但是实际上的结果是只要你有想法,就能快速获取代码在短短的几分钟内完成你的第一个模型业务。
要…才能的误区
总是等待时机条件才能认真地开始,这个也是错误的,比如说下面这些
- …我现在没有时间…
- …我没有高性能的CPU,GPU,也没有大容量的内存…
- …我现在只是个学生…
- …我现在不是一个好的程序员…
- …我现在工作很忙…
要学会机器学习确实需要花费大量的时间和精力。但是你可以每周几个小时,或者每天几十分钟,你就能取得很好的进步。不要好高骛远,毕竟每天进步一点点,时间久了就会发现你已经学会了很多东西。
各种“不”的误区
机器学习很难,但并不比编程等其他技术技能难。这需要坚持和奉献。它是应用和经验的,要求试验和错误。
经常还有不能掌握机器学习是 因为… 的想法,比如说下面这些:
- …我感到不知所措
- …我不明白xxx
- …我永远不会像xxx
- …我不知道下一步该怎么办
- …代码不工作怎么办?
我的建议是缩小范围或改变方向。我主张小型项目因为这个方法对我来说非常成功。
开启大胆的尝试之路
学习了那么多你想想是不是有了自己的目标了?
要给 给自己信心,不要因为各种 直到…才能 寻找借口,不要因为 要…才能,各种“不” 耽误你的成长。
勇敢地迈出第一步,你会发现后面是多么的容易。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
三、精品Python学习书籍
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、Python练习题
检查学习结果。
七、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。