机器学习数据挖掘从零开始的学习路线——dabo的干货

1年前给师弟写的 刚才整理资料看到了 放网上吧 如果有侵犯到大佬隐私 请私信我 马上删除

一：前言

1.1 学习机器学习有什么好处
因为成年人的世界讲利弊，所以大部分人在做选择的时候只考虑对自己有极大利益的决定。虽然我们往往否认这样的说辞，但不得不承认多数人就是这么做的。那我就功利的讲讲学机器学习的好处：第一，容易写论文，只要有数据，只要会熟练运用各种算法模型，只要加一点针对数据的改进获得好的效果，那就有创新点了。第二，容易找工作，虽然这个方向趋于泡沫趋于饱和，但是只能说会点皮毛的人比比皆是，真正能熟练运用到实际中的高手寥寥无几。总体的工作方向有三块：数据分析人员/算法工程师/大数据工程师。
1.2 一句实话
学习的动力来源于兴趣，如果不喜欢就别勉强，如果不喜欢就别继续往下看，别耽误自己的时间。如果没有毅力，不要去碰触这个东西，学个一知半解还不如学好Java找工作。

二：机器学习未来工作的几个方向
1.1 数据分析师
根据实际业务分析嘛，就分析嘛，要求统计学功底强一点，思维天马行空一点。
1.2 NLP自然语言处理方向算法工程师
就是自然语言嘛，比如百度翻译啊，根据某人微博判断心情啊，让电脑写文章啊，win10里的那个小娜啊，apple里的那个siri啊。
1.3 语音识别方向算法工程师
这个现在最火了，跟NLP相关度比较高，目前提升空间很大，很多牛人在研究这个领域。
1.4 计算机视觉图像方向算法工程师
搞图像啊，比如图片分类啊，提取图片信息啊，视频监控啊，无人车啊，地图啊，反正跟图有关的东西嘛，方向比较多，个人觉得比较有挑战性。
1.5 推荐方向广告方向算法工程师
就像今日头条那种东西，像百度搜索那种rank的东西嘛，目前比较成熟。
1.6 大数据方向工程师
数据量太大了嘛，不用分布式怎么处理呢？所以要会hadoop spark嘛，不仅要会使用，进阶要求能开发，能把那些算法部署在这些分布式平台上。

三：学习准备
1.1 基础知识
大语言一种（java或c++，大部分是java）+python（必会），其他统计工具如R matlab spss excel 现用现看吧，其实会了python那些东西没什么卵用。数据结构（必会，不废话了）。Linux（尽量应用吧，在linux下应用多一些）。Hadoop spark（由浅入深，先学会使用，反正先会用）。
1.2 书籍
机器学习实战(《实战》) 统计学习方法（《统计》） 机器学习西瓜书（《西瓜》）
（先买了，电子版我在某qq群中传过）《凸优化》
1.3 学习视频
a 吴恩达斯坦福机器学习，非常浅显易懂，貌似看完就觉得自己高大上了，其实因为太简单，仅仅是入门，看完这个不要吹牛说自己懂机器学习。一共18课，2-9课是基础，建议认真听。
b 炼数成金 机器学习 一共11课，也是基础，可以看一遍加深印象，一天一课。
c 张志华机器学习导论 现场教学视频，公式完全手推，如果某个知识点自己看书看博客都没看懂，建议看看老师的手推视频，其他不建议看。
d 七月在线july视频 对各个模型都有深入解释，挺好的。
e 台大的《机器学习基石》与《机器学习技法》

四：入门路线
1.1 把西瓜书第1,2章看了（2个小时）上述视频ab的第一讲可看可不看。
1.2 接下来完全跟《机器学习实战》这本书走。
1.3 《实战》第二章k近邻->找对应视频->找《统计》《西瓜》具体内容读->《实战》代码完全手敲一遍->调用sklearn工具包使用一次KNN->结束。（三天）
1.4 《实战》第三章决策树，过程同1.3。决策树是重点，多花时间，《统计》中的例子要会计算，手算！目标：缺失值？分裂公式？连续值？（四天）
1.5 《实战》第四章朴素贝叶斯。这里就看《实战》就可以，理解概率含义。（两天）
1.6 EM算法 找博客 理解它的含义尽量会推导即可。（一天）
1.7 “线性回归” 视频ab均可，找《统计》《西瓜》具体内容读，重点理解梯度下降算法！编码实现梯度下降！代码可以在网上找。目标：解释梯度下降？导数？梯度？（两天或三天）
1.8 “牛顿法” （一天）
1.9 《实战》第五章逻辑斯蒂回归，过程同1.3。目标：sigmod优点？损失函数是什么？（三天）
1.10 《实战》第六章SVM，过程同1.3。看书看不懂，必须看博客。目标：SVM与LR的异同？SVM公式推导？拉格朗日乘子法？（五天）
1.11 《实战》第七章Adaboost，过程同1.3。其他书的“集成学习”部分看了。目标：RF与Adaboost区别？（四天）
1.12 《实战》第八章 树回归，过程同1.3。与前文决策树相关，决策树再读一遍。目标：预剪枝后剪枝什么意思？损失函数？（两天）
1.13 《实战》第十章 kmeans，过程同1.3。目标：kmeans优缺点？如何改进？EM与kmeans的关系？（4天+相关dbscan算法）
1.14 《实战》第13章14章PCA与SVD，过程同1.3。相对简单。（3-4天）
1.15 “神经网络”（3天）
1.16 每个人根据自身情况调整，基本上一个半月这本书看完，保证算法熟悉。
1.17 至此，最基本最基本的东西学完了，还有一些遗漏的知识点查漏补缺吧。
1.18 接下来要针对不同领域来学习 +（深度学习）
1.19 Xgboost GBDT等集成学习思路
1.20 NLP ——>HMM、CRF、 TF、IDF 、wordVec +（深度学习RNN）
1.21 计算机视觉 ——>相关算法+（深度学习CNN）
1.22 推荐 ——> FM、FFM、各种协同过滤+（深度学习DBN）
1.23 实践是检验真理的唯一标准
1.24 参加数据挖掘比赛或者依靠数据做实验写论文

五：数据挖掘比赛平台
1.1 kaggle\天池\datafountain\腾讯京东也会办一些

1.2 一些有的没的 看看资料 看看大神的简历 看看别的比赛