我就是這樣入門「機(jī)器學(xué)習(xí)」的

本文作者 2013 年本科畢業(yè)，做過(guò)并行計(jì)算開發(fā)、嵌入式底層，目前在游戲創(chuàng)業(yè)公司做服務(wù)器開發(fā)。

自從作者自學(xué)機(jī)器學(xué)習(xí)等 AI 領(lǐng)域技術(shù)以來(lái)已經(jīng)有一段時(shí)間了，本文作者將簡(jiǎn)單總結(jié)這一段時(shí)間的進(jìn)修情況。

后悔大學(xué)不努力

大三的時(shí)候?qū)W過(guò)一門“人工智能導(dǎo)論”的課，只記得課里有一些回溯和圖搜索的算法，具體細(xì)節(jié)全忘了。

雖然算法與數(shù)據(jù)結(jié)構(gòu)、編程語(yǔ)言很有深度，但當(dāng)時(shí)認(rèn)為真正厲害的是能干項(xiàng)目，寫網(wǎng)站的，懂框架寫實(shí)際應(yīng)用程序。

什么語(yǔ)言、算法，現(xiàn)學(xué)會(huì)用就行。那些編譯原理、操作系統(tǒng)課程、數(shù)學(xué)、英語(yǔ)，聽課就行，畢竟真正招人不看這些基礎(chǔ)課。

尤其是蘊(yùn)含其中的算法思想。它們決定了你從事程序員這個(gè)行業(yè)以后所能達(dá)到的深度，而英語(yǔ)決定了你以后的廣度。趁年輕，可以多嘗試各個(gè)方向，但一定要明白基礎(chǔ)知識(shí)的重要性。

如果想形成知識(shí)體系，本人是不贊同碎片化學(xué)習(xí)某一領(lǐng)域知識(shí)的。碎片化時(shí)間適合看技術(shù)“花邊文章”，開眼界。碎片化學(xué)到的知識(shí)，都是零散的，個(gè)別天才除外。

真正能形成系統(tǒng)性的，有深度知識(shí)到自己腦海里的一定是靠長(zhǎng)時(shí)間系統(tǒng)地持續(xù)性地學(xué)習(xí)才能積累和形成的(至少我自己適合持續(xù)性學(xué)習(xí))。

我剛?cè)雽W(xué)那會(huì)兒被各種各樣的大部頭嚇壞了，這能啃完嗎？甚至有的老師也不建議啃。

但其實(shí)現(xiàn)在看來(lái)，大學(xué)期間最適合啃這些書，因?yàn)槟菚r(shí)候有非常多的時(shí)間來(lái)心無(wú)旁騖地學(xué)習(xí)。

如果你熱愛這一行，或者立志想一輩子靠技術(shù)吃飯的話，如果不知道啃哪本，就從《算法導(dǎo)論》啃起吧。

不要怕難，認(rèn)真反復(fù)多看幾遍，如果全弄懂你的人生肯定會(huì)與其他人不一樣。

大學(xué)里最重要的是學(xué)習(xí)思想性的知識(shí)，好的學(xué)習(xí)知識(shí)的方法，專注和自學(xué)的能力，這些是能伴隨你一生的習(xí)慣，是修煉內(nèi)功的絕好機(jī)會(huì)。

這個(gè)時(shí)候心無(wú)雜念，找本自己想學(xué)的方向，很容易鉆進(jìn)書本里。如果你還在校園里，那就踏踏實(shí)實(shí)夯實(shí)基礎(chǔ)吧(比如4學(xué)分的課)。

如果你覺得老師講得不好，那么去網(wǎng)上自學(xué)公開課，自學(xué)能力也幾乎是技術(shù)成長(zhǎng)必備的能力。

再一個(gè)，不要害怕與眾不同，我們從小到大，太強(qiáng)調(diào)一致性了，要相信自己。

為什么想學(xué) AI ？

隨著近幾年計(jì)算機(jī)領(lǐng)域的不斷發(fā)展，云服務(wù)與并行計(jì)算促進(jìn)了計(jì)算力的提升，互聯(lián)網(wǎng)的發(fā)展提供了海量的數(shù)據(jù)，這些方向的發(fā)展都促進(jìn)了人工智能的發(fā)展，也促進(jìn)了 AI 領(lǐng)域機(jī)器學(xué)習(xí)的發(fā)展。

我覺得學(xué)習(xí) AI 是投資自己的技術(shù)未來(lái)，就像前幾年火熱的移動(dòng)端開發(fā)一樣，傳統(tǒng)崗位也會(huì)依然存在。但是 AI 行業(yè)的發(fā)展也一定會(huì)產(chǎn)生新的崗位。

而人對(duì)未知的事物都是充滿好奇或者擔(dān)憂的，至少我是好奇。好奇大家口中的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)這些名詞到底是怎么回事，有什么高深的算法，會(huì)如何發(fā)展，是否存在自己一直尋找的興趣方向。

之前的一些機(jī)器學(xué)習(xí)入門的文章也看了很多，都看得迷迷糊糊，大家說(shuō)的模棱兩可，比如不用在乎數(shù)學(xué)推導(dǎo)，直接調(diào)用接口，就好了。

簡(jiǎn)單的 API 調(diào)用，我想大家都很容易學(xué)會(huì)，但如果我僅把函數(shù)當(dāng)成黑盒使用，我心里是沒底的，因?yàn)槲也恢览锩嬖趺醋龅模揖蜁?huì)覺得沒底。

也許是我性格的原因，會(huì)經(jīng)常執(zhí)迷于細(xì)節(jié)，而且學(xué)習(xí)速度很慢，并且無(wú)法從宏觀上對(duì)事情進(jìn)行更好的抽象，我現(xiàn)在也在逐漸提高自己的抽象能力，先從宏觀上看事情。

一次偶然的機(jī)會(huì)，看到一篇文章：《入行AI,如何選個(gè)腳踏實(shí)地的崗位》。這篇文章是我看過(guò)所有的入門文章中，介紹的最詳細(xì)最明白的文章，相見恨晚。

文章中的觀點(diǎn)我完全贊同，盡管很多技能我還不具備，但我覺得說(shuō)得都很對(duì)，同時(shí)也揭開了各個(gè)崗位都是干什么的神秘面紗。

首先，我覺得不懂內(nèi)部原理甚至細(xì)節(jié)，只會(huì)調(diào)用庫(kù)，是沒辦法更深入和提高的。所以我覺得數(shù)學(xué)基礎(chǔ)很重要，照著教程敲一遍代碼已經(jīng)不足以滿足我現(xiàn)在的追求，做完了沒有什么成就感。

成就感是個(gè)很神奇的東西，就跟你玩游戲打怪練級(jí)一樣，如果認(rèn)識(shí)到這件事充滿成就感，你會(huì)有非常多的力量在上面，找到最大化自己成就感的事情，那個(gè)應(yīng)該就是興趣所在了，做那件事也就能實(shí)現(xiàn)自我的意義和價(jià)值。

其次，同意文章中說(shuō)的在成為機(jī)器學(xué)習(xí)工程師之前要首先要是一名合格的程序員，基本數(shù)據(jù)結(jié)構(gòu)和算法一定要掌握，我距離合格程序員還有很大差距。要認(rèn)清自己，腳踏實(shí)地。

最后，文章末尾有個(gè)講課的鏈接，我以前對(duì)培訓(xùn)和講課是很抵觸的，片面覺得所有的東西都要自己悟才可以，現(xiàn)在想想是自己鉆死胡同里了。

如果有老師講很好的課，可以幫你快速入門，大幅提高你的時(shí)間效率的，而且這門課很便宜。

此外，我個(gè)人認(rèn)為當(dāng)一篇文章讓我有極大認(rèn)同和感想以后，我就會(huì)把作者的所有相關(guān)文章都檢索出來(lái)。

看一遍，如果 80% 甚至更多都和自己的認(rèn)知相同，那么這個(gè)人多半你就是認(rèn)同的，大概率買她課不會(huì)讓你失望，李燁老師給我的感覺就是這樣。

以上只是我的真實(shí)感受，不多說(shuō)了，要不然有打廣告的嫌疑?？赐赀@篇文章后，我對(duì)整個(gè) AI 行業(yè)有了一些認(rèn)識(shí)，決定要開始行動(dòng)起來(lái)，臨淵羨魚，不如退而結(jié)網(wǎng)。

關(guān)于買書

關(guān)于買書，我從不吝惜，希望自己也能一直保持著這個(gè)習(xí)慣。基本 200 以內(nèi)的書，真的需要，或者我知道自己買完了一定會(huì)看，我從不猶豫。

但仍然有很多書沒買，Amazon 上的購(gòu)物車，常年有上千的書存著，因?yàn)楦F，哭。

之前是怕租房搬家麻煩不買，現(xiàn)在覺得自己以前好蠢，這點(diǎn)麻煩算什么。個(gè)人覺得電子書的確方便，但的確適合查閱，不適合閱讀。

想系統(tǒng)學(xué)，還是要買好書經(jīng)典書，甚至大部頭才好，這樣知識(shí)才能系統(tǒng)建立起來(lái)，比碎片化有意義很多。碎片化當(dāng)開眼界和休息時(shí)的新聞看看就行了。

關(guān)于知識(shí)付費(fèi)

我覺得學(xué)習(xí)上不要吝嗇，衣服可以不買，吃的可以溫飽，但是學(xué)習(xí)上，不用小氣，一件衣服，一雙鞋，都?jí)蛸I一年的課或者書了。

我本人收入并不高，但買了很多課，別亂買，買那些你一定會(huì)去學(xué)的，一定讓你有產(chǎn)出的，可以內(nèi)化成你自己知識(shí)的。

我自己買了一些某乎 live 課，但覺得里面都是一些宏觀上的方法，細(xì)節(jié)很少，干貨也很少，整個(gè) live 過(guò)程都覺得非常趕時(shí)間，學(xué)到的就更少了，可以作為開眼界，理清一下脈絡(luò)的方式，甚至有的 live 買完能學(xué)到脈絡(luò)就不錯(cuò)了。

App 上也訂閱了某人工智能專欄，老師照書本式的念，聽著實(shí)在是煩，生硬。說(shuō)白了，我識(shí)字，但你寫的我看不懂，你念一遍我也還是不懂。

沒有詳細(xì)解釋，只能靠我自己去網(wǎng)上一點(diǎn)點(diǎn)找，也許對(duì)數(shù)學(xué)基礎(chǔ)要求很高，我的基礎(chǔ)距離主講人定義的數(shù)學(xué)基礎(chǔ)差太多。

數(shù)學(xué)基礎(chǔ)

個(gè)人覺得，如果有好的詳細(xì)推導(dǎo)過(guò)程嚴(yán)謹(jǐn)?shù)慕滩?教程，看書或圖文教程，是學(xué)習(xí)上手最快的。因?yàn)?，你可以自己控制學(xué)習(xí)的速度。

【1】微積分

首先由于連微積分最基礎(chǔ)的知識(shí)都忘記了，就先回去補(bǔ)高數(shù)了，雖然大學(xué)上課認(rèn)真聽課了，但不是學(xué)霸那種，畢業(yè)后基本沒怎么用過(guò)，就全還給老師了。

看大學(xué)教材，這里我用的是 GitChat 上李燁老師推薦的微積分講義（北師大出版社鄺榮雨等編著的《微積分學(xué)講義》），書很薄，很適合快速過(guò)一遍。

我屬于只看書和例題沒有做題的，因?yàn)閼?。我覺得大學(xué)期間，很多時(shí)候都留在做題上了，我整個(gè)教育歷程重點(diǎn)都是題海戰(zhàn)術(shù)。

但我忽視掉了，真正的數(shù)學(xué)定義中的物理和幾何意義，其實(shí)這些意義非常重要。這里重點(diǎn)補(bǔ)充了一下。

如果后面想往算法科學(xué)家方向發(fā)展的話，這部分還要繼續(xù)強(qiáng)化，做題，多練，提高自己的計(jì)算能力，多看書和例子。MIT 的在163上的微積分公開課也非常棒。

【2】線性代數(shù)

由于第一份工作用到了浮點(diǎn)數(shù)高階矩陣求逆并行優(yōu)化算法相關(guān)的工作，這個(gè)在當(dāng)時(shí)認(rèn)真學(xué)了，而且當(dāng)時(shí)包括現(xiàn)在的理解，線性代數(shù)，只是進(jìn)行矩陣變換和運(yùn)算。

【3】概率論

這個(gè)是弱項(xiàng)，從高中開始，抽球，就抽不明白，現(xiàn)在也沒太明白。但是我屬于對(duì)學(xué)習(xí)資料比較苛刻的那種人，各種強(qiáng)調(diào)器，而不去做事。其實(shí)如果用心學(xué)隨便一本，都可以內(nèi)化成自己的知識(shí)，但我暫時(shí)還達(dá)不到這種境界。

學(xué)知識(shí)不是為了滿足自己的我很上進(jìn)的樣子，也不是為了學(xué)過(guò)這些知識(shí)以后，自我滿足感。

一定要強(qiáng)調(diào)自己的內(nèi)化——就是拍著自己的胸脯問自己，你真的學(xué)會(huì)了嗎？你學(xué)到了什么？都理解了嗎？沒理解，好，說(shuō)明沒學(xué)會(huì)，那就重新再看視頻，再查閱各種相關(guān)資料，再學(xué)，每天吃飯睡覺都去想，去琢磨。

這里我推薦***大學(xué)的葉丙成老師在 Coursera 上的課程："頑想學(xué)概率"（一）和（二）。

話說(shuō)葉老師說(shuō)話很像我已經(jīng)離職的 Leader，親切感十足。雖然只學(xué)了前面幾節(jié)課，但明顯是非常棒的概率課程。跟著學(xué)就好。教材，請(qǐng)打印課堂的ppt。

【4】統(tǒng)計(jì)學(xué)

網(wǎng)上有 edx 或者可汗等國(guó)外的公開課，暫時(shí)還沒有補(bǔ)習(xí)，大面積用到了再補(bǔ)。

大家多利用好網(wǎng)上公開課視頻。我自己本人是，基本上所有的公開課 App 都裝了（買了幾千塊的手機(jī)，不能白買）。

機(jī)器學(xué)習(xí)

首先推薦：吳恩達(dá)老師在 Cousera 上的“機(jī)器學(xué)習(xí)公開課”。

這個(gè)課程基本你看完微積分，學(xué)會(huì)求導(dǎo)，求偏導(dǎo)的物理意義，知道矩陣乘法和轉(zhuǎn)置，就可以看機(jī)器學(xué)習(xí)的視頻了。

這門課非常好，老師講的非常淺顯易懂。我甚至覺得高中生，學(xué)完微積分，求導(dǎo)，了解一下矩陣，如果會(huì)編程，都可以學(xué)了。

建議邊看邊做筆記，做完筆記，雖然耗時(shí)間，但是我知道自己屬于看十遍不如寫一遍，一般的視頻，看兩遍，某個(gè)看三遍就能理解了。

Coursera 上有幾個(gè)是視頻的中文字幕是不全的，網(wǎng)易上有更好版本的中文字幕視頻。大家可以先去網(wǎng)易公開課上看。

建議先中文，然后達(dá)到英文聽課的程度，因?yàn)檎娴牟浑y。我自己英語(yǔ)很菜，大學(xué)就沒怎么學(xué)習(xí)，看第二遍的時(shí)候也能看懂英文字幕了。

順便說(shuō)一下：英語(yǔ)這個(gè)技能是必備的，只要你從事計(jì)算機(jī)這一行并且想往上走，沒什么商量的。平時(shí)查 stackoverflow，看其他的 tutorial 或者 doc 也要看的。

其次推薦：李燁老師在 GitChat 發(fā)布的「極簡(jiǎn)機(jī)器學(xué)習(xí)入門課」

這門課非常值得學(xué)習(xí)，而且真的好便宜，物超所值。

大多數(shù)專欄只是開眼界，沒法做到系統(tǒng)。李燁老師的課做得就比較好，課程里非?；A(chǔ)，通俗，有細(xì)節(jié)。還能讓你開眼界，了解常識(shí)。

比如會(huì)告訴你一直以來(lái)，線性關(guān)系并不全是直線的關(guān)系，這樣非?；A(chǔ)而重要的概念?！苍S我數(shù)學(xué)太弱了，學(xué)東西方法也不夠靈活，理解不夠深刻。

當(dāng)然，如果圖文再詳細(xì)些，圖文肯定效率更高。

至于機(jī)器學(xué)習(xí)相關(guān)的書籍，我覺得周志華老師的西瓜書（《機(jī)器學(xué)習(xí)》）對(duì)我來(lái)說(shuō)太難了，大神覺得簡(jiǎn)單，請(qǐng)無(wú)視我。

因?yàn)槲液芏喾?hào)表示都看不懂，這里一位網(wǎng)友說(shuō)過(guò)一句話，我覺得有一定道理：數(shù)學(xué)符號(hào)不統(tǒng)一，導(dǎo)致了入門門檻較高。

但是，坦白說(shuō)，還是自己太菜了，其實(shí)符號(hào)大同小異，但的確入門如果一味鉆進(jìn)去摳符號(hào)什么意思，是很惱人的。

但沒別的辦法，只能多去搜，多去看，去老師的群里問，老師和群友都會(huì)幫你解答?？床欢憔筒恢涝谌思以谡f(shuō)什么。

不要急，不要煩，機(jī)器學(xué)習(xí)就這么多符號(hào)，它不是無(wú)窮盡的，踏踏實(shí)實(shí)一個(gè)一個(gè)學(xué)?？隙軐W(xué)會(huì)，這里我主要推崇愚公移山的精神，當(dāng)你一下子突然理解了，能體會(huì)到領(lǐng)悟的喜悅。

有網(wǎng)友推薦臺(tái)大的林軒田的視頻，這個(gè)我剛看了開頭，還沒詳細(xì)看，以后再補(bǔ)。李航的《統(tǒng)計(jì)學(xué)習(xí)方法》看著更頭大，暫時(shí)先不看，以后回來(lái)補(bǔ)。

編程語(yǔ)言

編程語(yǔ)言首選 Python。Amazon 上有一本讓繁瑣工作自動(dòng)化的 Python 書，非常簡(jiǎn)單，適合無(wú)基礎(chǔ)的人，如果你和我一樣弱，那就看它吧，上手非?？臁?/p>

Python 編程快速上手:《讓繁瑣工作自動(dòng)化》；基礎(chǔ)好些的，看：《Python 從入門到實(shí)踐》，我兩本都買了。

Python 開源工具庫(kù)：

輸入輸出文件處理：pands矩陣處理：numpy機(jī)器學(xué)習(xí)模型：sklearn（比如線性回歸模型，一條函數(shù)調(diào)用就完事，非常高效）可視化：matplotlib

Python 機(jī)器學(xué)習(xí)相關(guān)在線教程：

莫煩 PYTHON：

https://morvanzhou.github.io/

實(shí)踐資源

由于目前工作中沒有相關(guān)機(jī)器學(xué)習(xí)的業(yè)務(wù)，這里去 kaggle ：

https://www.kaggle.com/

上刷比賽是很好的方式，因?yàn)樯厦嬗写罅康慕咏鼘?shí)際的項(xiàng)目。

心得體會(huì)

不要被高大上的符號(hào)或者專業(yè)術(shù)語(yǔ)嚇倒，比如：張量，梯度下降，貝葉斯公式，機(jī)器學(xué)習(xí)，人工智能，神經(jīng)網(wǎng)絡(luò)...

不僅是機(jī)器學(xué)習(xí)，其實(shí)很多方向都是，當(dāng)聽到專業(yè)術(shù)語(yǔ)時(shí)，不要慌張和盲目的跟風(fēng)，一點(diǎn)一點(diǎn)看，一點(diǎn)點(diǎn)去學(xué)習(xí)了解。

踏實(shí)下來(lái)，抽絲剝繭，如果你真的想知道這些名詞是什么意思，拿入門機(jī)器學(xué)習(xí)舉例，全身心投入一個(gè)月就差不多了。

小吐槽：大學(xué)教育時(shí)，很多算法，模型，都沒有學(xué)習(xí)英文的表達(dá)方式以及認(rèn)真梳理，造成別人說(shuō)一些專業(yè)英文術(shù)語(yǔ)的時(shí)候，自己不能理解。

其實(shí)是自己沒意識(shí)到要進(jìn)行知識(shí)梳理。造成很多知識(shí)學(xué)完了，在腦海里，跟一團(tuán)漿糊一樣。

是模型算法都懂，單拿出來(lái)能理解，但是看別人文章、書的時(shí)候，根本就不知道把這些零散的知識(shí)串聯(lián)在一起，其實(shí)有些知識(shí)是學(xué)過(guò)的，知識(shí)沒有自己梳理。

一定要盡早梳理，做事有條理，學(xué)習(xí)專業(yè)術(shù)語(yǔ)正確的英文表達(dá)方式，本文還會(huì)不斷修繕。

專業(yè)術(shù)語(yǔ)盡可能用英文的專業(yè)詞匯跟別人交流，能節(jié)省很多中文翻譯版本上的障礙，有很多知識(shí)yy，別人講了半天，原來(lái)是說(shuō)的其實(shí)就英語(yǔ)的xx或者中文另一個(gè)版本的zz）

李燁老師還推薦了《人工智能基礎(chǔ)(高中版)》是由陳玉琨和湯曉鷗編著，寫的非常淺顯易懂，適合我這樣的菜鳥。

里面有人工智能核心能力的說(shuō)法我覺得很好："人工智能最核心的能力就是根據(jù)給定的輸入做出判斷或預(yù)測(cè)"。的的確確就是這么一回事。

學(xué)完對(duì)機(jī)器學(xué)習(xí)的理解，昨天碰巧在網(wǎng)上(圖片出處)遇到這張圖，就偷懶不自己畫了：

看完 Cousera 上 Ng 的課，里面如果有不清楚的，可以橫向看一下書和網(wǎng)上找文章，建議手動(dòng)推導(dǎo)一遍梯度下降算法，再用 Python 實(shí)現(xiàn)一遍梯度下降算法。

盡可能所有的公式都手動(dòng)推導(dǎo)一下，提高自己的運(yùn)算水平，補(bǔ)充之前沒有做題的缺陷。而且自己也能真正明白。

最好也能用代碼來(lái)實(shí)現(xiàn)一遍，如何用計(jì)算機(jī)求導(dǎo)。

學(xué)習(xí)路線

先分享一下我個(gè)人的學(xué)習(xí)步驟：

1. 先看微積分，知道連續(xù)，求導(dǎo)的幾何意義，然后了解一點(diǎn)矩陣知識(shí)；

2. 開始看 Ng 的視頻，然后看李燁老師對(duì)應(yīng)章節(jié)的課，看西瓜書，然后看網(wǎng)上的教程實(shí)例，手推公式，手寫代碼實(shí)現(xiàn)求導(dǎo)

3. goto 2

4. kaggle 入門級(jí)比賽(這部分我剛開始...)

看完一節(jié) Ng 的視頻，就去看李燁老師的課程；看不懂的，繼續(xù)看視頻，網(wǎng)上找資料。

或者去課程群里提問，肯定有人知道，大家都不知道就可以問老師，老師都會(huì)耐心給與解答。多種學(xué)習(xí)途徑相結(jié)合。

由于個(gè)人性格比較愚鈍，很多事情喜歡刨根問底，沒有數(shù)學(xué)公式上的推導(dǎo)，就覺得心里沒底。

抽象出模型的思維較弱，執(zhí)著于細(xì)枝末節(jié)，所以喜歡有詳細(xì)推導(dǎo)過(guò)程的教程，但也因?yàn)楸浚械寐€有畏難與拖延的壞毛病。