摘要：?作者自學(xué)機(jī)器學(xué)習(xí)和人工智能，站在一個(gè)初學(xué)者的角度來回顧這些經(jīng)歷并編寫這篇適合初學(xué)者的指南。

我自學(xué)過一年機(jī)器學(xué)習(xí)和人工智能，我認(rèn)為初學(xué)者在該領(lǐng)域還沒有一個(gè)學(xué)習(xí)的途徑，這是我創(chuàng)建這個(gè)指南的目的。在過去的幾個(gè)月里，我試著每天花幾個(gè)小時(shí)了解這個(gè)領(lǐng)域，無論是觀看Youtube視頻還是看各種資料，現(xiàn)在我覺得我有豐富的經(jīng)驗(yàn)來分享我的見解。我在本指南中收集的所有信息適用于這個(gè)領(lǐng)域的初學(xué)者。該指南是按照時(shí)間順序進(jìn)行，而且與我所遇到的大多數(shù)指南/學(xué)習(xí)路徑不同，它不需要理解線性代數(shù)，偏導(dǎo)數(shù)和其他復(fù)雜的數(shù)學(xué)概念。如果你經(jīng)常在這條路上學(xué)習(xí)，我相信你可以在三個(gè)月內(nèi)可以達(dá)到相當(dāng)高的水平。以下是學(xué)習(xí)步驟：

學(xué)習(xí)Python并用它編寫你的算法

我強(qiáng)烈建議先學(xué)習(xí)Python，因?yàn)樗粌H非常容易學(xué)習(xí)，而且?guī)缀踔С謾C(jī)器學(xué)習(xí)中使用的所有優(yōu)秀庫(kù)。雖然R語言很有用，但我發(fā)現(xiàn)Python更適合初學(xué)者。除了基本編程外，對(duì)于機(jī)器學(xué)習(xí)，最有用的庫(kù)是Numpy，Pandas和Matplotlib。
對(duì)于那些以前從未寫過代碼的人，我建議參加多倫多大學(xué)（現(xiàn)在是ML / AI最好的大學(xué)之一）提供的課程。這需要幾周的時(shí)間，但這是非常值得的。你通過本課程獲得的大部分知識(shí)可以應(yīng)用于任何其他編程語言，唯一的區(qū)別是語法。該課程是免費(fèi)的，可以在這里觀看。

對(duì)于那些擁有其它語言編程經(jīng)驗(yàn)的人，只需瀏覽Python的語法。
現(xiàn)在，在了解Python的基礎(chǔ)知識(shí)之后，你需要了解我所說的前兩個(gè)庫(kù)（Matplotlib可以晚點(diǎn)）。Numpy和Pandas用于修改你使用的數(shù)據(jù)，而Matplotlib則用于通過圖表將這些數(shù)據(jù)可視化。
Numpy：http?:?//cs231n.github.io/python-numpy-tutorial/
Pandas：https：//pandas.pydata.org/pandas-docs/stable/10min.html

深入了解機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)

如果有一門通用的機(jī)器學(xué)習(xí)課程，它必須是Andrew Ng的課程。雖然對(duì)于初學(xué)者來說，這門課程可能有點(diǎn)難度，因?yàn)樗婕暗狡珜?dǎo)數(shù)等概念。我希望每個(gè)人都觀看這個(gè)視頻并做筆記，雖然這不需要編程相關(guān)的教程和練習(xí)。
鏈接：https：//www.coursera.org/learn/machine-learning

學(xué)習(xí)各種機(jī)器學(xué)習(xí)算法，并理解如何在真實(shí)世界的場(chǎng)景中實(shí)現(xiàn)它們

理解沒有大學(xué)數(shù)學(xué)知識(shí)的機(jī)器學(xué)習(xí)算法是很難的，但是澳大利亞的一個(gè)團(tuán)隊(duì)解決了這個(gè)問題。Kirill Eremenko和Hadelin de Ponteves來自SuperDataScience團(tuán)隊(duì)，他們?cè)诂F(xiàn)實(shí)生活中應(yīng)用簡(jiǎn)單算法。他們的課程涵蓋Python和R，但你只需通過Python教程即可。另外，如果你覺得他們的速度太慢，可以1.25倍的速度看這個(gè)課程（我做到了，發(fā)現(xiàn)它好得多）。

他們的課程在Udemy上，它可以在這里找到，通常約為10美元。它涵蓋了從基本回歸算法到深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的一切。如果你想探索更先進(jìn)的領(lǐng)域，他們的深度學(xué)習(xí)課程將在機(jī)器學(xué)習(xí)結(jié)束時(shí)提供，并且享受90％的折扣。然而，這第二門課程中的概念可能有點(diǎn)先進(jìn)，缺乏適當(dāng)?shù)奈臋n，因?yàn)樗鼈兎浅Ｐ路f。另外你可以學(xué)習(xí)谷歌的免費(fèi)深度學(xué)習(xí)課程或密歇根州的免費(fèi)課程。

找到一個(gè)特別感興趣的領(lǐng)域，并深入探索

現(xiàn)在，你已經(jīng)有廣泛的機(jī)器學(xué)習(xí)的概念，并且學(xué)到了很多技能，可以幫助你獨(dú)立完成基礎(chǔ)項(xiàng)目。我建議去Kaggle或UCI機(jī)器學(xué)習(xí)資源庫(kù)嘗試不同的算法和優(yōu)化性能。如果你遇到問題，可以在Stack Overflow提問，發(fā)布之后你將在幾個(gè)小時(shí)內(nèi)得到答復(fù)！

另外，我建議你在機(jī)器學(xué)習(xí)的廣泛領(lǐng)域找到一個(gè)有趣的領(lǐng)域，并深入研究。我推薦的區(qū)域有：

計(jì)算機(jī)視覺：這可能是機(jī)器學(xué)習(xí)/人工智能領(lǐng)域最熱門的領(lǐng)域---利用計(jì)算機(jī)使用特殊類型的神經(jīng)網(wǎng)絡(luò)來查看和理解事物。斯坦福大學(xué)在線發(fā)布他們的課程，在線提供講座，課程筆記和作業(yè)。不要擔(dān)心數(shù)學(xué)太復(fù)雜，因?yàn)檫@個(gè)過程只是為了加深你的知識(shí)。另外，你可以看看OpenCV，這是一個(gè)計(jì)算機(jī)視覺庫(kù)，可以為你做很多復(fù)雜的事情，推薦一個(gè)教程。完成這些后，請(qǐng)查看Kaggle和UCI上更高級(jí)的圖像數(shù)據(jù)集，甚至可以進(jìn)行Kaggle比賽。

自然語言處理：了解計(jì)算機(jī)如何學(xué)習(xí)說話也是今天的一個(gè)突出話題。斯坦福大學(xué)提供了一個(gè)在線課程。如果你不了解一些數(shù)學(xué)概念，不要擔(dān)心，只要了解這個(gè)領(lǐng)域的工作原理。對(duì)于實(shí)現(xiàn)，你可以進(jìn)行這個(gè)Udemy課程。另外，你也可以觀看一些著名的機(jī)器學(xué)習(xí)者Siraj Raval的視頻（如https://www.youtube.com/watch?v=9zhrxE5PQgY）。當(dāng)你已經(jīng)完成了這些，可以嘗試進(jìn)行簡(jiǎn)單的項(xiàng)目，如建立聊天機(jī)器人，情感分析或?yàn)楦枨鷦?chuàng)建歌詞。

強(qiáng)化學(xué)習(xí)：該領(lǐng)域?qū)Ｗ⒂跈C(jī)器學(xué)習(xí)如何以特定方式學(xué)習(xí)，其最受歡迎的應(yīng)用程序是在視頻游戲領(lǐng)域。銀鴻的UCL是個(gè)不錯(cuò)的選擇，但初學(xué)者可能會(huì)覺得有點(diǎn)棘手。一旦你完成了這些工作，就可以開始從網(wǎng)上下載基礎(chǔ)項(xiàng)目，并利用機(jī)器學(xué)習(xí)和人工智能來修改他們的行為。一些簡(jiǎn)單的教程可以通過Youtube搜索找到。

數(shù)據(jù)科學(xué)：這個(gè)領(lǐng)域是一個(gè)萌芽的領(lǐng)域，有許多令人興奮的工作機(jī)會(huì)。我建議你進(jìn)行SuperDataScience的付費(fèi)課程或UC圣地亞哥基于Python的免費(fèi)課程，此外你必須學(xué)習(xí)SQL以及Matplotlib。還有像自主學(xué)習(xí)（用于推薦系統(tǒng)），Adversial Networks（AI改進(jìn)AI）和遺傳算法（以與自然進(jìn)化類似的方式改進(jìn)問題的解決方案）等領(lǐng)域，在我看來，這些是大多數(shù)初學(xué)者延伸的領(lǐng)域。

最后

如果你想長(zhǎng)期在這個(gè)領(lǐng)域工作，那么一定要了解它是什么。一旦你對(duì)該技術(shù)的工作有了必要的了解，你就應(yīng)該開始做在本節(jié)列出的事情，這些事情是初學(xué)者應(yīng)該做的，以加深他們對(duì)該領(lǐng)域的總體了解程度并使他們更有知識(shí)，如下：

開始閱讀研究論文：他們確實(shí)沒有聽起來那么具有挑戰(zhàn)性。如果你遇到過一個(gè)你不明白的東西，那么就把它放下。這個(gè)網(wǎng)站提供了大量?jī)?yōu)秀的論文。

傾聽前輩的意見：Andrew Ng，Ian Goodfellow和Yann LeCunn等人都會(huì)定期接受采訪，并給出該領(lǐng)域工程師關(guān)于人工智能主題的觀點(diǎn)。這個(gè)Youtube頻道收集了這些演講的最佳內(nèi)容。

與領(lǐng)域保持同步：Wired是所有對(duì)科技感興趣的人的最佳平臺(tái)之一。它每天發(fā)布多個(gè)與AI相關(guān)的故事，可在這里找到。另外，也可以使用TechCrunch的Facebook Messenger機(jī)器人---它通常會(huì)對(duì)AI相關(guān)的文章感興趣，并且每天都會(huì)提示你。

哲學(xué)：AI有它的支持者和反對(duì)者，但是它背后的哲學(xué)是有趣的。這一領(lǐng)域的書籍適合初學(xué)者，其中包括Ray Kurzweil的“如何創(chuàng)造心靈”和Max Tegmark的“生活3.0”（http://s3.amazonaws.com/arena-attachments/1446178/cffa5ebc74cee2b1edf58fa9a5bbcb1c.pdf?1511265314）---請(qǐng)嘗試閱讀這些內(nèi)容。

貢獻(xiàn)：如果你是喜歡從別人的經(jīng)驗(yàn)中學(xué)習(xí)的人，請(qǐng)查看人工智能和深度學(xué)習(xí)Facebook小組。或者通過https://www.reddit.com/r/artificial/在AI上查看Reddit的主題。

文章原標(biāo)題《A guide for High School students to learning Machine Learning and Artificial Intelligence》

作者：Karan Jaisingh

譯者：黃小凡，審校：袁虎。

原文鏈接

干貨好文，請(qǐng)關(guān)注掃描以下二維碼：

總結(jié)

以上是生活随笔為你收集整理的机器学习和人工智能的初学指南的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。