机器学习入门

前言

  说实话，机器学习想学好真心不易，很多时候都感觉自己学得云里雾里。以前一段时间自己为了完成毕业设计，在机器学习的理论部分并没有深究，仅仅通过TensorFlow框架力求快速实现模型。现在来看，很多时候因为基础知识不牢固，一些问题很难想通。而现在暑假正好有一大块可以自由学习的时间，希望自己能重新学习一下关于机器学习、或是深度学习理论方面的知识， 并且通过一些项目，让自己更好的熟悉人工智能方面的应用过程。
  在之前探索的过程中，通过踩各种各样，稀奇古怪的坑，也算是总结出了一条“捷径”，后来者能少走许多不必要的弯路，现在也通过这篇博客分享一下自己总结的“捷径”，也希望能够通过交流学习找到更优质的学习资源。

基础理论知识

基础网课

基础理论课程的网课，中文互联网上大概有两个可选择项：

1.MIT吴恩达老师的机器学习课程，b站链接：

吴恩达机器学习系列课程

吴恩达机器学习系列课程讲义

这个课程最早的时候看过三分之二，个人感觉讲得浅显易懂，还针对一些机器学习用到的基础数学知识进行了阐述，很适合初学者入门，唯一感觉不好的就是，边听英文边看字幕有点累。。。y1s1，由于这门课时代有些久远（14-15年）那时候用python做机器学习还不流行，所以应用方面很难去实践。
2.NTU李宏毅老师的机器学习课程，b站链接：

李宏毅2020机器学习深度学习(完整版)国语

李宏毅2020深度学习课程作业说明

李宏毅2020深度学习课程作业答案+上课ppt

[作业数据集百度链接 提取码：vqgk](https://pan.baidu.com/s/15A9iSTWyoxMuHFXkJ-7B0w）

这项课程是我现在正在看的，李宏毅老师讲得很细，许多算法的数学推导都一一列举（劝退），因此这个课没听就几节就滚去看概率论的知识了，不然根本听不下去。。。由于这个课是今年刚录的，每节课还都有对应的作业，所以我想要跟着一直学下去hhh。课程作业实践框架：pytorch。

理论书籍

1.李航老师的统计学习方法

2.周志华老师的机器学习（西瓜书）

学霸们为这本书做的笔记

关于机器学习理论书籍还有很多，包括《深度学习》等等，不一一列举。而且因为自己还没有认真研读过上述书籍，所以不敢妄加评论。

实践部分

TensorFlow部分

说起tensorflow的实践就感觉是个大坑，从1.X的静态会话模式 ——>2.X的eager模式，虽然感觉Google是突然开窍了，但是也无形之中增加了开发者的学习成本，再加上tensorflow的官方文档那稀碎的教程，很容易越学越自闭。不过我也在这个过程中，发现了不少对新手友好的教程，推荐如下（均为2.X版本）：
1.30天入门TF2.X
GitHub上一本实时更新的TF2.X系列教程
2.人工智能实践：Tensorflow笔记
TF2.0的实践课程，大部分实验用了keras，适合有一定基础的同学
3.深度学习应用开发-TensorFlow实践
原本这门课讲得是TF1.X系列版本，TF2.0出了之后跟随潮流也更新了2.X的版本，这门课前面的男老师讲得不错，不过后面女老师就讲得有些拉垮了。

Pytorch部分

现在自己正在学，，，主要看李宏毅老师的课＋Pytorch中文手册，能够分享的资料不多。

机器学习实践平台

1.kaggle
不多说，业内认可程度最高，比赛多项目多，大牛也多，很适合交流学习的平台
2.阿里天池
国内最大的深度学习实践平台了吧，也小有知名度
3.和鲸社区
相对小型一点的平台了，不过上面有许多干货资料分享

总结

  现在手头自己存的，并且正在学习的资料就是以上这些。几年以前，谁都没想到机器学习会应用的如此广泛，各类框架也层出不穷。各类版本的版本也是一个月一小更，一年一大更，因此要不断保持学习才能跟上时代发展的步伐。
  不过y1s1，互联网相对传统行业，技术迭代的速度快得太多了，再加上源源不断的人涌入这个行业，听说现在的人工智能算法岗比普通后端开发岗更加炙手可热，，，个人认为，对以后自己的职业规划还需要仔细斟酌，有时候追到了“风口”也不一定是好事。