V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2080 天前的主题，其中的信息可能已经有所发展或是发生改变。

先说背景。📙

本人是普通 android 程序员一枚，工作约四年，技术栈一直围绕 android 展开。半年前开始接触机器学习，现总结了一些经验，分享给「有工程背景但学术匮乏」的伙伴们参考。

入门步骤✅

1，需要一本类似「西瓜书」这样的科普读物知道这个领域到底是什么

2，完整的复习一遍高数，求导求积矩阵运算要会做

3，准备好「 https://github.com/exacity/deeplearningbook-chinese 」为学术参考

4，准备好「 https://www.douban.com/doubanapp/dispatch/book/26976457?dt_dapp=1 」为生产参考

5，能够稳定访问 google 的网络。这方面的学习百度搜索能力有限。

6，上面两本书同时阅读。并跟随第二本实践。

⚠️：上述第五点非常重要，在真正理解「机器学习为何物」之前，需要 google 大量查阅零散的信息。简而言之，这两本书能读得进去的前提是，你已经储备了足够的基础知识，而这些基础知识的获取方式是维基百科的一个又一个超链接。

现阶段的我：半年来断断续续地学习，很多术语能理解了。结合 google 复制粘贴，能做一些非常简单的生产（当然，原理是懂的）

菜鸟一枚，欢迎补充和讨论。👏👏👏

本帖只讨论学习方法，不讨论学习动机。以免泛化为义的灌水。

第 1 条附言 · 2019-03-26 13:02:29 +08:00

补充：
楼下有朋友说的对，高数可以边看边学。但建议最基本的求导求积还是要会

机器学习

Google

学习

导求积矩

43 条回复 • 2019-03-27 09:59:33 +08:00

glenChen

2019-03-26 00:18:46 +08:00 via Android

mark，老兄可以交流一下吗

LU35

2019-03-26 01:15:14 +08:00

谢谢整理并分享

bokchoys

2019-03-26 01:46:10 +08:00 via iPhone

门槛很高。国内的论坛也都不活跃。无从下手。所以我选择了搭建一个论坛，可以邀请您一起建设吗？

dartabe

2019-03-26 03:28:09 +08:00

千万不要把高数再看一遍看到什么不懂得再回去翻翻书就行了不然浪费时间也没有学习动力

realkenshinji

2019-03-26 04:57:36 +08:00 via iPhone

英文尚可，能用 google，直接上 fast.ai 不行么？

qdcjiDD

2019-03-26 08:36:15 +08:00 via Android

我参考的这个 zh.gluon.ai ，感觉挺不错的。

linhua

2019-03-26 08:37:59 +08:00

推荐 fast.ai
这是 fast.ai 的论坛 https://forums.fast.ai/
还有《动手学深度学习》
https://zh.d2l.ai/index.html

qianji201712

2019-03-26 08:42:29 +08:00

感谢分享！

Bellaaa

2019-03-26 08:59:16 +08:00 via Android

感谢

VoidChen

2019-03-26 09:02:56 +08:00

你真的把高数看了一遍？入门阶段我认为不需要系统学习高数，简单的欧氏距离那种高中数学足以应付，用到不明白的再去看就好了。另外你真的在学？不应该先看概率统计？朴素贝叶斯还有基础的几个抽样方法都来自薄薄的概率统计

yepinf

2019-03-26 09:07:12 +08:00

高数 /统计学习根本看不动，太难了。

no1xsyzy

2019-03-26 09:13:01 +08:00

矩阵运算是线代
概率论
并不都是高数
把大学数学备好就是
到要用再看

Dori

2019-03-26 09:13:38 +08:00

老哥，我和你情况一样，下个月新工作是 AI 方向，有没有群什么的交流交流，有点虚的。

murmur

2019-03-26 09:15:14 +08:00

@dartabe 不看数学的结果就是做一辈子调参了。。

Asice

2019-03-26 09:17:56 +08:00

连 tensorflow 官网都要翻墙，国内是自己在作死。
人家开源给你用，自己倒好关起门了
一直阻碍科技的发展，最终要再次体会落后就要挨打

luomu24

2019-03-26 09:39:09 +08:00

数理统计其实更应该翻，然后是高数梯度一章，线代算算特征值，这些有了就足够了。以后遇到更难的再从头找找翻翻。

kuhung

2019-03-26 09:50:43 +08:00

谷歌出品的机器学习资料 https://developers.google.com/machine-learning/crash-course/prereqs-and-prework?hl=zh-cn

kuhung

2019-03-26 09:51:37 +08:00

老实说，我最近在筹备这样一个社群

visonme

2019-03-26 10:12:39 +08:00

只有带着应用的目的去学才容易找到方向，也可以避免在理论的浪潮中迷失自己。

充分了解这么学科的背景，了解其可应用的场景，以及应用的方式

掌握一些必备的基础知识，机器学习，线代某些概念，常用公式以及常用的算法，当然还有数学其它学科一些基础理论，属于必须掌握的，必须了(不要求完读）。

顺着既定应用的路线，在进一步深入模块化学习，机器学习其实很大很复杂，切分模块化去了解它,找到分支的应用点

qping

2019-03-26 10:28:40 +08:00

一直想学，高数翻了几章就退下了，看了楼上的说法决定放弃从高数开始

s0ok

2019-03-26 10:41:29 +08:00

同上

enchilada2020

2019-03-26 10:48:35 +08:00 via Android

高数劝退系列…

daniel51

2019-03-26 11:03:32 +08:00

是啊，现在访问谷歌很麻烦，vps 动不动就访问不了了。擦。。

zbw0046

2019-03-26 11:59:29 +08:00 via Android

话说工作几年后再学真的能找到算法岗位？或者找到了也是从类似应届干起？

hackerang

2019-03-26 12:06:37 +08:00 via Android

推荐还是从 ng 的 ML 课程开始，非常好的课程，有兴趣或者是有需要再去翻高数或者概率。学完 ML 基本上可以做一点 kaggle 了

theworldsong

2019-03-26 12:58:17 +08:00 via iPhone

@bokchoys 已经有不少大大小小的社区了

pixiaotiao

2019-03-26 12:59:38 +08:00 via Android

本来打算重新学习大学数学来的

theworldsong

2019-03-26 12:59:58 +08:00 via iPhone

@dartabe 基本求积求微还是要会的，不然第二页来了个公式就不想往下看了

theworldsong

2019-03-26 13:04:00 +08:00 via iPhone

@Dori 你学到什么阶段了

theworldsong

2019-03-26 13:06:40 +08:00 via iPhone

@zbw0046 我的动机不是职业算法。
另外，本帖不讨论学习动机。

fantastic

2019-03-26 13:51:15 +08:00

感谢分享

bokchoys

2019-03-26 14:35:08 +08:00 via iPhone

@kuhung #18 嘿嘿可以一起吗

pupupu

2019-03-26 14:49:31 +08:00

人工智能我研究了一段时间，除了敲一些书上的案例项目外，也做了一个有需求的真实项目。首先感觉门槛比较高，包括学习门槛（数学微积分、矩阵、概率等过程、相关框架的使用、文档数量）和找工作门槛（一般要求硕士）。不过关于数学其实没那么难，用的都是一些基本的东西，因为不需要你亲自去推导证明公式，所有的结论都是推导好的，你只需要了解一遍大概然后记住就行了，其实学过高数、矩阵、概率论的都不会太难。然后就是框架，tf 说实话用起来比较复杂，但是使用 tf 会让你更加清楚的了解一些具体的细节。keras 其实更简单，用起来也更顺手，封装了好多的实现和网络模型，几行代码就可以跑一个模型，但是直接使用 keras 可能会让你无法了解一些原理，不利于深入学习。最近现在 pytorch 也挺流行的，觉得兼顾了 tf 的灵活和 keras 的易用。另外做 AI 还需要一块强大的 GPU，不然摸不到门槛。另外就是还需要很多的数据，而且是处理过的标记好的数据，这个几乎是行业的瓶颈。其实应该也有人在建立数据集库了，可以提供大量的已经处理好的数据给开发者使用，但是就目前而言应该没有特别好的这种网站，但是是有的。