個人Machine Learning學習之路

時間 2019-11-11

標籤個人 machine learning 學習之路简体版

原文原文鏈接

從2016年年初，開始用python寫一個簡單的爬蟲，幫我收集一些數據。
6月份，開始學習Machine Learning的相關知識。
9月開始學習Spark和Scala。
如今想，整理一下思路。
先感謝下個人好友王峯給個人一些建議。他在Spark和Scala上有一些經驗，讓我前進的速度加快了一些。html

學習算法

做爲一個程序猿，之前屢次嘗試看過一些機器學習方面的書，其過程能夠說是步履闌珊，碰到的阻力很大。
主要緣由是，讀這些機器學習的書，須要有一些數學方面的背景。
問題就在這些數學背景上，這些背景不單單是數學技巧，也有一些共識。對於缺少這些背景的我，即便一個簡單的公式，也有時會感到困惑。
若是你像我同樣是一個程序猿，我建議讀Peter Harrington寫的Machine Learning in Action （中文書名是《機器學習實戰》）。
這本書是以開發者的知識背景來寫的，而且提供的python代碼能夠下載，方便開發人員理解。python

學習算法的Level

Level 1：瞭解如何使用算法算法
Level 2：瞭解算法的正確使用場景
正確的使用一個算法，須要經驗和對算法理論的瞭解。
我之前有些這方面的經驗，不少錯誤在於不正確地使用了算法。
當咱們編程序給別人用時：
- 須要理解算法
  最低要求，也要有一些基本的統計知識。編程
- 須要實現算法
  實現算法通常比較簡單，須要注意性能和精度。
  基本上這部分在實現好後，比較穩定。架構
- 須要實現將用戶數據應用到算法上的過程。
  這是程序員主要乾的工做，接口、性能上的考慮不少。機器學習
- 須要理解用戶的使用場景。
  這部分價值很大。
  一方面，寫單元測試是不可避免的，理解用戶的場景才能寫出有效的單元測試程序。
  另外，會有不少處理客戶問題的工做，也是長經驗的機會。函數式編程
Level 3：瞭解算法的後面的數學理論
有人以爲這個用處不大。我以爲了解數學理論，能夠：
- 成爲真正的行家
- 將來的路還很遠，怎麼能戛然而止!
- 使用算法來幫助本身的一些事情，或者實現一個新的算法。
- 如今人工智能的潛力很大，能夠本身好好玩玩。