都說(shuō)做一件事情最好的時(shí)機(jī)就是「現(xiàn)在」，但是從何開(kāi)始往往會(huì)難倒一大批人，更不用說(shuō)是想要入門(mén)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的朋友了。本文是一篇科普掃盲文章，作者以初學(xué)者的視角，為同樣想「入坑」的讀者們提供了一些建議，還有一些可以獲得的學(xué)習(xí)資源。
「我想學(xué)習(xí)機(jī)器學(xué)習(xí)和人工智能，該從哪開(kāi)始呢?」
從這里開(kāi)始。
?
?
兩年前，我開(kāi)始在網(wǎng)上自學(xué)機(jī)器學(xué)習(xí)，并且通過(guò) YouTube 和博客分享了我的學(xué)習(xí)過(guò)程。我并不知道我在做什么，在決定開(kāi)始學(xué)習(xí)機(jī)器學(xué)習(xí)之前我從沒(méi)寫(xiě)過(guò)代碼。
當(dāng)人們發(fā)現(xiàn)我的作品，他們通常會(huì)私信并提問(wèn)。我不一定知道所有的答案，但我會(huì)盡量回復(fù)。人們最常問(wèn)的問(wèn)題是：「該從哪開(kāi)始?」，其次是：「我需要多少數(shù)學(xué)基礎(chǔ)?」
今天早上我就回答了一堆這樣的問(wèn)題。
有人告訴我他已經(jīng)開(kāi)始學(xué)習(xí) Python 并打算學(xué)習(xí)機(jī)器學(xué)習(xí)了，但不知道下一步該做什么。
「我已經(jīng)學(xué)習(xí)了 Python，下一步該做什么?」
我回復(fù)了一系列學(xué)習(xí)的步驟，并且復(fù)制到了這里。如果你想成為一個(gè)機(jī)器學(xué)習(xí)從業(yè)者，卻不知道怎么寫(xiě)代碼的話(huà)，可以把本文當(dāng)作一個(gè)大綱。我的學(xué)習(xí)風(fēng)格是代碼優(yōu)先：先把代碼運(yùn)行起來(lái)，再根據(jù)需要學(xué)習(xí)理論、數(shù)學(xué)、統(tǒng)計(jì)以及概率等方面的東西，而不是一開(kāi)始就學(xué)理論。
記住，開(kāi)始學(xué)習(xí)機(jī)器學(xué)習(xí)你會(huì)面臨很多阻礙。別急，慢慢來(lái)。把這篇文章添加到收藏夾，以便隨時(shí)參考。
我傾向于使用 Python，因?yàn)槲沂菑?Python 開(kāi)始的，并且一直在持續(xù)使用它。你也可以用其他語(yǔ)言，但本文的所有步驟都是基于 Python 的。
學(xué)習(xí) Python、數(shù)據(jù)科學(xué)工具和機(jī)器學(xué)習(xí)概念
問(wèn)我問(wèn)題的那些郵件作者們說(shuō)他們已經(jīng)學(xué)了一些 Python。但這一步也同樣適用于新手。花幾個(gè)月的時(shí)間學(xué)習(xí) Python 編程和不同的機(jī)器學(xué)習(xí)概念。這兩部分知識(shí)你都會(huì)需要。
在學(xué)習(xí) Python 編程的同時(shí)，練習(xí)使用 Jupyter 和 Anaconda 等數(shù)據(jù)科學(xué)工具。花幾個(gè)小時(shí)來(lái)研究一下，它們是用來(lái)做什么的以及為什么要使用它們。
學(xué)習(xí)資源
人工智能要素 (https://www.elementsofai.com/)—人工智能和機(jī)器學(xué)習(xí)主要概念概述。
Coursera 上的 Python 教程—(https://bit.ly/pythoneverybodycoursera) 從頭學(xué)習(xí) Python。
通過(guò) freeCodeCamp 學(xué)習(xí) Python (https://youtu.be/rfscVS0vtbw)—一個(gè)視頻涵蓋了 Python 所有主要概念。
Corey Schafer 的 Anaconda 教程 (https://youtu.be/YJC6ldI3hWk)—一個(gè)視頻學(xué)會(huì) Anaconda(數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)需要的配置環(huán)境)。
Dataquest 的新手 Jupyter Notebook 教程 (https://www.dataquest.io/blog/jupyter-notebook-tutorial/)—一篇文章學(xué)會(huì)啟動(dòng)和運(yùn)行 Jupyter Notebook。
Corey Schafer 的 Jupyter Note 教程 (https://www.youtube.com/watch?v=HW29067qVWk)—一個(gè)視頻學(xué)會(huì)使用 Jupyter Notebook。
學(xué)習(xí)通過(guò) Pandas、Numpy 和 Matplotlib 進(jìn)行數(shù)據(jù)分析、操作和可視化
一旦你已經(jīng)掌握了一些 Python 技巧，就會(huì)開(kāi)始想要學(xué)習(xí)如何處理和操作數(shù)據(jù)，為了實(shí)現(xiàn)這一目的，你需要熟悉 Pandas、Numpy 和 Matplotlib。
Pandas 可以幫助你處理二維數(shù)據(jù)，類(lèi)似 Excel 文件里的信息表，包含行和列。這類(lèi)數(shù)據(jù)被稱(chēng)為結(jié)構(gòu)化數(shù)據(jù)。
Numpy 可以幫助你進(jìn)行數(shù)值計(jì)算。機(jī)器學(xué)習(xí)把你能想到的所有東西都轉(zhuǎn)化成數(shù)字，進(jìn)而在這些數(shù)字中尋找模式。
Matplotlib 可以幫助你繪制圖形和可視化數(shù)據(jù)。理解表格中的一堆數(shù)字對(duì)人類(lèi)來(lái)說(shuō)可能很困難。我們更喜歡看到有一條線(xiàn)穿過(guò)的圖。可視化可以更好得傳達(dá)你的發(fā)現(xiàn)。
學(xué)習(xí)資源
Cousera 上的 Python 應(yīng)用數(shù)據(jù)科學(xué) (http://bit.ly/courseraDS)—開(kāi)始打磨數(shù)據(jù)科學(xué)方向的 Python 技能。
10 分鐘入門(mén) pandas (https://pandas.pydata.org/pandas-docs/stable/gettingstarted/10min.html)—快速概覽 pandas 庫(kù)及其部分最有用的函數(shù)。
Codebasics 的 Python pandas 教程 (https://youtu.be/CmorAWRsCAw)—該 YouTube 系列介紹了 pandas 的所有主要功能。
freeCodeCamp 的 NumPy 教程 (https://youtu.be/QUT1VHiLmmI)—一個(gè) YouTube 視頻學(xué)會(huì) NumPy。
Sentdex 的 Matplotlib 教程 (https://www.youtube.com/watch?v=q7Bo_J8x_dw&list=PLQVvvaa0QuDfefDfXb9Yf0la1fPDKluPF)—YouTube 系列助你學(xué)會(huì) Matplotlib 所有最有用的功能。
借助 scikit-learn 學(xué)習(xí)機(jī)器學(xué)習(xí)
現(xiàn)在你已經(jīng)掌握了操作和可視化數(shù)據(jù)的技能，是時(shí)候?qū)W習(xí)在數(shù)據(jù)中尋找模式了。scikit-learn 是一個(gè) Python 庫(kù)，它內(nèi)置了許多有用的機(jī)器學(xué)習(xí)算法供你使用，它還提供了許多其他有用的函數(shù)來(lái)探究學(xué)習(xí)算法的學(xué)習(xí)效果。
重點(diǎn)在于學(xué)習(xí)都有什么樣的機(jī)器學(xué)習(xí)問(wèn)題，比如分類(lèi)和回歸，什么樣的算法最適合解決這些問(wèn)題。現(xiàn)在還不需要從頭開(kāi)始理解每個(gè)算法，先學(xué)習(xí)如何應(yīng)用它們。
學(xué)習(xí)資源
Data School 的基于 scikit-learn 的 Python 機(jī)器學(xué)習(xí) (https://www.youtube.com/watch?v=elojMnjn4kk&list=PL5-da3qGB5ICeMbQuqbbCOQWcS6OYBr5A)—一個(gè) YouTube 播放列表教你 scikit-learn 的所有主要函數(shù)。
Daniel Bourke 對(duì)探索性數(shù)據(jù)分析的簡(jiǎn)要介紹 (https://towardsdatascience.com/a-gentle-introduction-to-exploratory-data-analysis-f11d843b8184)—把你在上述兩個(gè)步驟中學(xué)到的知識(shí)融合在一個(gè)項(xiàng)目中。提供代碼和視頻，助你開(kāi)始第一個(gè) Kaggle 競(jìng)賽。
Daniel Formosso 的基于 scikit-learn 的探索性數(shù)據(jù)分析筆記 (https://github.com/dformoso/sklearn-classification)—以上資源的更深入版本，附帶了一個(gè)實(shí)踐上述內(nèi)容的端到端項(xiàng)目。
學(xué)習(xí)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在沒(méi)有太多結(jié)構(gòu)的數(shù)據(jù)上最有效。二維數(shù)據(jù)雖然有結(jié)構(gòu)，圖像、視頻、音頻文件和自然語(yǔ)言文本也有，但不會(huì)太多。
小貼士：在大多數(shù)情況下，你會(huì)想對(duì)結(jié)構(gòu)化數(shù)據(jù)使用一組決策樹(shù)(隨機(jī)森林或 XGBoost 之類(lèi)的算法)，而對(duì)于非結(jié)構(gòu)化數(shù)據(jù)，你會(huì)想使用深度學(xué)習(xí)或遷移學(xué)習(xí)(使用預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)并將其用于你的問(wèn)題)。
你可以開(kāi)始把這樣的小貼士用一張便條記錄，然后邊學(xué)習(xí)邊收集這些信息。
學(xué)習(xí)資源
Cousera 上 Andrew Ng 的 deeplearning.ai (https://bit.ly/courseradl) (https://bit.ly/courseradl)—商業(yè)上最成功的從業(yè)者之一講授的深度學(xué)習(xí)課程。
Jeremy Howard 的 fast.ai 深度學(xué)習(xí)課程 (https://course.fast.ai/) (https://bit.ly/courseradl)—工業(yè)界最好的實(shí)踐者之一講授的深度學(xué)習(xí)實(shí)際操作方法。
其他課程和書(shū)籍
在學(xué)習(xí)過(guò)程中，最理想的情況是你可以用自己的小項(xiàng)目來(lái)練習(xí)所學(xué)的東西。這不必是復(fù)雜的，需要改變世界的事情，但你可以說(shuō)「我用 X 做了這個(gè)」。然后通過(guò) github 或博客分享你的工作。github 用于展示你的代碼，博客文章用于展示你如何表達(dá)自己所做的工作。你應(yīng)該為每個(gè)項(xiàng)目都發(fā)布一下這些內(nèi)容。申請(qǐng)一份工作的最好方法是你已經(jīng)做完了工作要求做的事情。分享你的工作是向未來(lái)的潛在雇主展示你能力的好方法。
在你熟悉了如何使用不同的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)框架之后，你可以嘗試通過(guò)從頭開(kāi)始構(gòu)建它們來(lái)鞏固你的知識(shí)。你不必總是在生產(chǎn)或從事機(jī)器學(xué)習(xí)時(shí)這樣做，但是從內(nèi)部了解事情是如何工作的將有助于你建立自己的工作。
學(xué)習(xí)資源
Daniel Bourke 的如何開(kāi)始你自己的機(jī)器學(xué)習(xí)工程 (https://towardsdatascience.com/how-to-start-your-own-machine-learning-projects-4872a41e4e9c)—開(kāi)始你自己的工程可能會(huì)很難，這篇文章可以給你一些指引。
Jeremy Howard 的 fast.ai 深度學(xué)習(xí)基礎(chǔ) (https://course.fast.ai/part2)—自上而下學(xué)習(xí)后，本課程將幫助你從下往上填補(bǔ)空白。
Andrew Trask 的 Grokking Deep Learning (https://amzn.to/2H497My)—這本書(shū)將教你如何從頭開(kāi)始構(gòu)建神經(jīng)網(wǎng)絡(luò)，以及為什么你應(yīng)該知道如何構(gòu)建。
Daniel Bourke 推薦的機(jī)器學(xué)習(xí)書(shū)籍 (https://www.youtube.com/watch?v=7R08MPXxiFQ)—該 YouTube 視頻整理了一些機(jī)器學(xué)習(xí)最佳書(shū)籍。
答疑
每一步需要多長(zhǎng)時(shí)間?
你可能會(huì)花 6 個(gè)月或更長(zhǎng)的時(shí)間。別著急，學(xué)習(xí)新事物需要時(shí)間。作為一名數(shù)據(jù)科學(xué)家或機(jī)器學(xué)習(xí)工程師，你正在培養(yǎng)的主要技能是如何針對(duì)數(shù)據(jù)提出好的問(wèn)題，然后使用你的工具來(lái)嘗試尋找答案。
有時(shí)候你會(huì)覺(jué)得自己什么都沒(méi)學(xué)到。甚至倒退。忽略它。不要以天為單位來(lái)衡量，看看你一年后有什么樣的進(jìn)步。
我在哪里可以學(xué)到這些技能?
我在上面列出了一些資源，它們都是在線(xiàn)的，而且大部分都是免費(fèi)的，類(lèi)似的資源還有很多。
DataCamp (http://bit.ly/datacampmrdbourke) 是一個(gè)很好學(xué)習(xí)網(wǎng)站。另外，我的 Machine Learning and Artificial Intelligence resources database (https://bit.ly/AIMLresources) 整理了免費(fèi)和付費(fèi)的學(xué)習(xí)資料。
記住，作為數(shù)據(jù)科學(xué)家或機(jī)器學(xué)習(xí)工程師，很大一部分工作是要解決問(wèn)題。通過(guò)你的第一個(gè)作業(yè)探索這里的每一個(gè)步驟，并創(chuàng)建你自己的課程來(lái)幫助學(xué)習(xí)。
如果你想知道一個(gè)自我引導(dǎo)的機(jī)器學(xué)習(xí)課程的例子是什么樣子的，看看我的 Self-Created AI Masters Degree (https://bit.ly/aimastersdegree)。這是我在過(guò)去 9 個(gè)月內(nèi)從零編碼變成機(jī)器學(xué)習(xí)工程師的過(guò)程。它不是完美的，但是我的真實(shí)經(jīng)歷，因此你可以試試。
統(tǒng)計(jì)怎么辦?數(shù)學(xué)怎么辦?概率呢?
實(shí)踐過(guò)程中你會(huì)學(xué)到這些東西的。先從代碼開(kāi)始。把代碼運(yùn)行起來(lái)。在運(yùn)行代碼之前，嘗試學(xué)習(xí)所有的統(tǒng)計(jì)、數(shù)學(xué)、概率知識(shí)，就像是在試圖煮沸大海。它會(huì)讓你退縮。
如果代碼不運(yùn)行，統(tǒng)計(jì)、數(shù)學(xué)和概率都不重要。先運(yùn)行起來(lái)，然后用你的研究技巧來(lái)驗(yàn)證它是否正確。
證書(shū)?
證書(shū)很好，但你不是為了證書(shū)而學(xué)習(xí)，而是為了提高技能。不要和我犯同樣的錯(cuò)誤，不要認(rèn)為證書(shū)越多代表技能越多，并不是這樣的。通過(guò)上述課程和資源建立知識(shí)基礎(chǔ)，然后通過(guò)自己的項(xiàng)目完善專(zhuān)業(yè)知識(shí)(這些是課程無(wú)法傳授的知識(shí))。
參考鏈接：https://towardsdatascience.com/5-beginner-friendly-steps-to-learn-machine-learning-and-data-science-with-python-bf69e211ade5
