原標題：HOW TO GET STARTED WITH MACHINE LEARNING!

視頻介紹：https://v.qq.com/iframe/player.html?vid=f0639ireb7v&tiny=0&auto=0

　　一說到機器學習，我被問得最多的問題是：給那些開始學習機器學習的人的***的建議是什么？

　　其實說句實話，我并不知道怎么回答這個問題。每一個學習者都是***的個體，有自己的學習需求和目的。我所能做的，就是分享一下當初我開始學習機器學習的時候，對我很有用的方法。

　　我是如何開始接觸機器學習的

　　讓時間回到 2017 年，我看到了 SethBling 實現機器學習來玩游戲的一個小演示。

Sethbling-Marl/O-Machine Learing for Video Games

　　這個小機器人有了自主學習的能力，甚至可以一次又一次地玩馬里奧游戲，當時我就震驚了。在那之后，我看到了別的使用神經網絡的機器人，被用于各種不同的游戲——

Ding Nicolas-A genetic algorithm learns how to fight!

　　從 Caryhk 傳統的機器學習項目

carykh-Neural Networks and Unwanted Pregnancies in Evolv.io!

　　到星際機器學習項目——

[[228924]]

Youtube Uploaded-AI SC2 FirstSteps

　　有些人還做了關于侃爺 Rap 的 LSTM 項目

[[228925]]

Rabboie Barrat-Neural Network Generated Rap, V2

　　還有 Dota2 的 Open AI

[[228926]]

Dota 2 Dendi vs OpenAI (Bot)-1v1-T17

　　sentdex 制作的 GTA

sentdex-Stream, FPV, and more dada-Python plays GTA P.15

　　我知道我必須要去學機器學習，這玩意兒簡直太酷了。

　　我安裝了 TensorFlow，從 syntax 上下載了些代碼，但是完全不知道代碼里是怎么一回事，神經網絡的確成功地使用大量的數據集，訓練了模型，但我對代碼所做的每一次修改都會報錯，部分是因為 Python 的語法我之前完全沒接觸過，更為重要的是，我完全不知道該怎么寫神經網絡。

　　我先是快速 Google 了一下“怎樣寫一個神經網絡？”，我發現了一個由完全聽不同的數學和符號組成的龐然大物，對我而言看上去就像是外星語，那時我感覺到了強烈的挫敗感，但我不達目的誓不罷休。就在那時我接觸到了 Coursera 上吳恩達的機器學習課程，我的天，那個課程同樣也是外星語，我能夠完成前幾章課程完全沒有問題，但那之后，吳恩達又開始講外星語了。

　　我是如何堅持下去的

　　同志們，如果像我這樣開始機器學習旅程，毫無疑問你會碰到一次巨大的詞匯沖擊。相信我，你大多數的困惑是因為無法理解提及的單詞所引起的。當我意識到這個之后，我改變了我學習方法，轉而去學習這個龐大的外星語。在我學習的過程中，有很多術語和符號會反復出現：向量，矩陣，激活函數傳播，機器學習等等。我在“向量”這個概念上花了一段時間，感謝 unity3D，每當我覺得理解了機器學習中的一些概念，比如矩陣乘法，我都會回到我最喜歡的機器學習資源，去看看它們對于我來說，是不是變得容易理解了。我很驚訝突然之間，我能夠稍微更好地理解這門外星語了。

　　每當有概念毫無頭緒讓我止步不前，我都會把他們單獨拿出來，舉個例子，當我遇到 sigmoid 或者其他的激活函數，我就會列出一堆困擾我的問題，然后一個個單獨查找。

　　說到這，我非常推薦可汗學院 .com。這里有所有在你寫自己的機器學習算法所要用到的。我在這里列出了一些你需要去學習的很重要的數學課供你參考，對我個人而言，幫助很大。

[[228927]]

　　我個人很喜歡的學習資源：

Activation Functions -https://en.wikipedia.org/wiki/Activation_function

Luis Serrano's Neural Network Series (REALLY GOOD) - https://www.youtube.com/watch?v=UNmqTiOnRfg

Giant_Neural_Network's Neural Network Series (REALLY GOOD) -https://www.youtube.com/watch?v=ZzWaow1Rvho

Macheads101's Neural Network series - https://www.youtube.com/watch?v=OypPjvm4kiA

3Blue1Brown's Neural Network Series - https://www.youtube.com/watch?v=aircAruvnKk

Hugo's Neural Network Series - http://www.mooc.ai/course/300

James Mccaffrey Talk (A BIT OUTDATED INFORMATION BUT STILL A FUN ONE)- https://www.youtube.com/watch?v=-zT1Zi_ukSk

　　一些很重要的數學課

Vectors (explained with Linear Algebra): https://www.khanacademy.org/math/linear-algebra/vectors-and-spaces

Vectors (explained with PreCal): https://www.khanacademy.org/math/precalculus/vectors-precalc

Matrices: https://www.khanacademy.org/math/precalculus/precalc-matrices

Sequences: https://www.khanacademy.org/math/precalculus/seq-induction

Derivative Rules: hhttps://www.khanacademy.org/math/ap-calculus-bc/bc-derivative-rules

　　一些可能會幫助到你的數學課

Algebra Functions: https://www.khanacademy.org/math/algebra/algebra-functions

Quadratics: https://www.khanacademy.org/math/algebra/quadratics

Irrational: https://www.khanacademy.org/math/algebra/rational-and-irrational-numbers

Analyzing Categorical Data: https://www.khanacademy.org/math/statistics-probability/analyzing-categorical-data

　　我的建議

　　（1）更好地理解偽代碼

　　我覺得學習如何寫機器學習算法***的方法，就是去更好地理解偽代碼。我們要理解如何去計算它們，還有各種不同的能夠相互轉換的指數。在我的經驗里，大多數情況下，偽代碼是十分清晰的。但如果不是的話，可能是因為在外星語中出現的太頻繁了。

　　學習怎樣將偽代碼轉換成你最喜歡的編程語言，其實是最重要的事。其實沒有一個一碼通吃的神經網絡，實際上當你從不同的老師那里學習怎樣寫神經網絡的時候，請一定要注意，他們不會總是使用同樣數量的輸入，隱藏層節點，激活函數，可能連術語都不一樣，有些老師可能會把偏置說成另一個詞，這就是偽代碼如此重要的原因。

　　（2）前饋神經網絡例子

[[228928]]

　　除了之前所說的我能給你***的建議，就是用一個簡單的前饋神經網絡例子來開始你的學習，這有一個很好的例子——做一個文字顏色預測器，當你提供給它，紅，綠，藍值作為輸入的時候，嘗試去訓練它作出，在此之上應該使用深色字還是淺色字，讓它能夠可以被認出來的預測。我覺得這是個很好的有很簡單的項目，值得認真研究以此來學習機器學習的基礎。

　　（3）立刻開始著手

　　建議你從最開始就著手寫你的神經網絡，我指的是你學習的***天，就在這個視頻結束的時候，立刻打開你的 IDE。紙上得來終覺淺，絕知此事要躬行。盡管理論上知道，如何寫神經網絡很酷，但實際去寫一個神經網絡是完全不同的。

　　當你開始去寫一個神經網絡的時候，你會卡住，然后你就有了***個需要去找的問題，嘗試去解決它，如此往復，直到你成功。我特別希望，從最一開始我就知道這個建議，這可能會減少我大部分學習的時間。

　　（4）站在巨人的肩膀上

　　如果你真的想要能夠很好地寫出機器學習算法，你需要依靠他人的研究和代碼，因為事實上這其實還是一個剛起步的領域，每周都會有新的東西誕生。

　　***一個我想給你們的重要建議是，其實你也可以不像我之前說的那樣做，形象點來說，機器學習就好像電腦一樣。如果你真的想要一臺電腦，你可以從頭組裝一臺，或者你也可以直接買一臺整機，這兩件事***的結果是一樣的。我個人想要去學習如何從頭構建神經網絡因為，我是個控制欲很強的瘋子。

[[228929]]

　　有很多諸如，TensorFlow，PyTorch，Theano，Keras，和其他的機器學習框架，他們就好像是一臺裝好的電腦，你可以直接開始看教程，開始學習怎樣去使用它們，你不需要關心很多，諸如導數，矩陣乘法，激活函數這些概念，這些機器學習框架已經把大多數復雜的事情做好了，不過顯而易見的，以此為代價的就是，當網絡內部出現問題，或者運行不正確時，找出哪里出現問題，會是件很困難的事，這都取決于你想要什么

　　不管怎么樣，請一定要記得滿足你的好奇心，在機器學習的道路上走得越來越遠。

　　視頻原址 https://www.youtube.com/watch?v=I74ymkoNTnw