一年时间学机器学习
2018-10-18 tech ai ml troubleshooting 30 mins 6 图 10693 字
大家都知道 AI 的发展前景非常好，例如 Google 成为了一家 AI First 的企业，越来越多的开发者开始关注并学习机器学习。因此，po 主特意找来这篇文章，分享下如何寻找适合入门者的在线学习资源，如 Udacity、Coursera、斯坦福大学课程等，并告诉大家如何避免其中的一些坑。
这篇文章来自 Per Harald Borgen，在 Medium 上获得了 2.7k 的赞。
这位大大最初在 Hacker News 上了解并对机器学习产生兴趣，然后花费了近一年时间，从入门机器学习到在实际项目中应用。期间利用 Udacity、Coursera、Kaggle竞赛、斯坦福大学课程等多种资源来进行学习和训练，也踩了不少坑。
下面是正文。
入门：Hacker News （黑客新闻）和 Udacity （优达学城）
我对机器学习的兴趣开始于 2014 年。那时候我刚开始在 Hacker News 上阅读有关它的一些文章。然后我就发现通过检测数据来教会机器做一些事情，这种想法十分有趣。当时的我甚至连一个专业的开发员都不算，只能算是一个业余编码员，但我还是想试一试。
所以我就开始看 Udacity 的监督学习课程的前几章，并同时开始阅读有关这方面的所有文章。
尽管没有掌握到实践技能，但我还是对机器学习的概念有了一定的认识。但由于我很少听大规模在线开放课程，所以并没有听完。
“成功”挂掉Coursera 机器学习课程
2015 年 1 月，我参加了伦敦的“创始人和程序员”训练营地（FAC bootcamp），想成为一名程序员。几周过后，我想学习如何码机器学习算法，于是我就和几个同伴成立了一个学习小组。每周二晚上，我们都会在 Coursera 上观看机器学习课程。
这个课程很棒，我也学到了很多。但是对于一个初学者来说，课程内容太难，因此我必须要一遍遍反复观看才能掌握要点。
与此同时， Octave 编码任务也同样十分具有挑战性，尤其是如果你不了解 Octave 的话。后来，因为难度太大，小伙伴们一个个都放弃了，再后来，我自己也最终放弃了。
事后，我意识到，我应该找一个适合我的课程来听。要么是用机器学习图书馆来进行编码任务，而不是从头创建算法，又或者至少是用我了解的编程语言。
对于新手来说，学习一门新的语言，并同时编码机器学习算法，实在是太难了。
如果我及时发现的话，我会选择 Udacity 的《机器学习介绍》这门课程，因为它更加简单并且采用 Python 和 Scikit 学法。用这种方法，我们可以尽快上手，获得自信，同时也更加有趣。
