本科生如何自學機器學習？
作者：Frank Tian
https://www.zhihu.com/question/332726203/answer/737596538
入門
首先，你要知道什么是機器學習。
這里我推薦Andrew Ng的機器學習教程，比較適合新手和來自工業(yè)界對數學要求不是很高的同學。
這門課適合剛上大學的萌新們。
https://www.bilibili.com/video/av50747658
它有19個小時，我看完它用了將近兩個月，我建議你也不要看的太急。
當看完這些教程之后，你就對機器學習有了清晰的認知。
https://www.bilibili.com/video/av49445369
這門課同樣不難，不需要高深的數學知識，同樣是為新手們準備的。
深度學習的內容稍多，Andrew帶你粗略的了解了AI的一些方面，一共25個小時，我看完它花了三個月。
在期間我去實踐了他提到的各種優(yōu)化方法和技巧，閱讀了CV和NLP領域他提到的論文，并且找到輪子跑了跑。
我認為，深度學習的學習更重要的是實踐。
進階
接下來，你可以嘗試讀一些有公式推導的專業(yè)書籍了。
前提是你已經了解了線性代數，微積分和概率論的知識，當然，作為計算機系的同學，你一定掌握了離散數學。
我推薦《統(tǒng)計學習方法》，它適合接受能力正常的同學。
https://book.douban.com/subject/10590856/
因為我是接觸機器學習很久后才接觸到這本書的，因此我讀的很快，沒有印象到底讀了多久?？傊@本書比較平易近人。
https://book.douban.com/subject/26708119/
這本書的覆蓋范圍非常廣，適合打算進一步深入這個領域的同學。
這本書是我機器學習的入門書籍，又愛又恨。
看這本書的同時你可能會感到數學基礎不夠，十分歡迎你補課凸優(yōu)化。
https://book.douban.com/subject/21249088/
https://www.bilibili.com/video/av40868517
李宏毅老師非常幽默風趣，上他的課是十分快樂的事情。
https://www.bilibili.com/video/av10590361
https://www.bilibili.com/video/av9770302
我真得真得非常喜歡他講的課，同時我認為你看完這些課之后會對機器學習（主要是深度學習部分，對，他幾乎不怎么講統(tǒng)計學習）有更深的認識。
這三個視頻分別是31，40，11個小時，我看完花了相當長的時間，如果你已經有一些接觸但是擔心他哪里講的太好沒聽到可惜，那么可以先瀏覽他的slides，slides做的也非常棒！
因為這本書開源了，我直接給你pdf：https://urlify.cn/JZFBJv
這本書是強化學習領域非常非常經典的教材，但是這本書寫的太磨嘰了！
不過我也沒有其他備選項，如果有讀過其他強化學習教材，感覺不錯的，歡迎補充。
深入
接下來該深入了解機器學習了，到了這個階段，你也不是大家口中的小白了。
統(tǒng)計學習方面，我推薦Pattern Recognition and Machine Learning
https://book.douban.com/subject/2061116/
這本書詳細的介紹了頻率派和貝葉斯派的思想，讀這本書的時候你會有一種恍然大悟的感覺。
注意網上的版本可能會有錯誤，參考這本書的勘誤。https://urlify.cn/ER7zie
https://book.douban.com/subject/26883982/
https://book.douban.com/subject/4007200/
它和前面那本Reinforcement Learning: An introduction一樣，非常全面，但缺點是太啰嗦了，英文版1200+頁，我沒讀完。
https://book.douban.com/subject/3294335/
https://book.douban.com/subject/1789534/
https://book.douban.com/subject/10758624/
可以看到，這些書的側重點都不同，這也是為什么我打算都讀一遍它們。
當然，如何找到合適的論文，這類問題在知乎已經有非常詳細的回答了。同時，知乎也是一個學習機器學習的好地方，這里有很多知識淵博的答主，他們在我剛入門的時候給了我非常大的幫助。
https://www.zhihu.com/question/332726203/answer/734365629
2.數學基礎。有些人覺得現在搞深度學習不需要啥數學基礎，但那樣只會淪為低級的調包俠，不能成長為一名合格的煉丹術士。機器學習（包括深度學習）需要的數學基礎包括：微積分（熟練掌握），凸優(yōu)化（熟練掌握），矩陣論（熟練掌握其中矩陣運算，各種分解等，并理解其含義），泛函分析（理解，如果不做相關內容，看著不眼生即可），高等概率論（理解，常用概率公式和概率定理）。數學不要光看，要聯系機器學習當中的實際應用一起理解。
3.編程基礎。常用的有python，MATLAB，C/C++等，理論上C/C++學好了，其他語言掌握特性和擴展包即可。
4.如何深入。找個靠譜的老師！找個靠譜的老師！找個靠譜的老師！翻到你們學院老師主頁，如有文章發(fā)表在NIPS，ACL，CVPR，ICLR，ICML等會議上，說明學術水平非常不錯。然后打聽其人品，人品可以，就聯系跟著做。靠譜的老師會直接帶你走入到一個細分領域的最前沿，節(jié)省大量的搜索時間。
https://www.zhihu.com/question/332726203/answer/756804600
推薦個我們學校的課程：https://urlify.cn/JJVv6v
在syllabus那一欄下面有所有的課件。我覺得Kilian是個很好的教授，講得非常清楚。（雖然我不怎么去上課。。）他的課件也是循序漸進挺有條理的。我感覺機器學習的傳統(tǒng)方法其實都是統(tǒng)計的各種運用。。所以如果題主統(tǒng)計學得好的話其實看起來應該沒有什么問題。在知道各種傳統(tǒng)模型背后的原理之后其實就可以去調參娛樂了。推薦再學個python，現在感覺python已經占領了機器學習領域。。
如果題主追求分析模型的能力，比如說分析一個SVM的最大error margin是多少這種東西，就屬于master level的課程了。類似于machine learning theory這種課。我能力有限無法做出評價。
課程后半段會討論深度學習的概念，這個學起來的感覺和傳統(tǒng)模型差別很大，挺魔性的。我覺得作為本科生題主只要能在不同場景下知道運用什么魔性，大概怎么調參，就可以了。如果以后還對這個領域感興趣的話可以讀研讀博深造。如果你想要練手的項目之類的我也可以試著去翻翻以前的作業(yè)。。
https://www.zhihu.com/question/332726203/answer/110691656
https://www.zhihu.com/question/332726203/answer/760396018
準備
循序漸進
練手
https://www.zhihu.com/question/332726203/answer/737205846
-END-
猜你喜歡（點擊下劃線即可跳轉閱讀
我腦洞大開，讓機器人來給我剪頭發(fā) 有一個懂機械、懂焊接、懂電子的爹是什么概念。。。
C++ 基礎知識！初學者必看！
酷！GitHub開發(fā)者自研火星車，開發(fā)教程全面開源
?最 后?? ?若覺得文章不錯，轉發(fā)分享，也是我們繼續(xù)更新的動力。 5T資源大放送！包括但不限于：C/C++，Linux，Python，Java，PHP，人工智能，PCB、FPGA、DSP、labview、單片機、等等！ 在公眾號內回復「 更多資源 」，即可免費獲取，期待你的關注~ 長按識別圖中二維碼關注
免責聲明：本文內容由21ic獲得授權后發(fā)布，版權歸原作者所有，本平臺僅提供信息存儲服務。文章僅代表作者個人觀點，不代表本平臺立場，如有問題，請聯系我們，謝謝！
下載文檔
