精心整理，機器學習的3大學習資源
機器學習一直是熱門話題，它確實有理由如此重要，它能幫助人們預測未來的行為，使電子郵件免受垃圾郵件的干擾，并根據喜好記憶作出電影推薦。
機器學習有無盡可能性，該領域薪資高，工作者在工作上能享受到極大樂趣，這讓他們大多數時候感覺不像工作。然而，零經驗者如何在合理時間內掌握機器學習?本文會給出答案。
無論背景如何，所有人的第一步都相同。不是只有數學博士才能進行機器學習。我沒有數學博士學位，也不認為自己格外聰明，不過一件事是肯定的——我比身邊所有人都用功。
如果不工作，高學歷將一文不值。
話雖如此，初學者應客觀準確地評估自身的當前狀況。問自己幾個問題：
- 我的編程能力如何?
- 我上一次解決數學問題和做統計數據是什么時候?
- 我愿意投入多少時間到機器學習上?
注意，進行應用機器學習無需專于以上任一領域。只需編程能力優于普通數學家，數學能力優于普通程序員即可。這是黃金準則。
如果你看到這里，很好，現在請準備好進入讓人又愛又恨的機器學習世界。
1. Python數據科學和機器學習訓練營
來源：Pexels
這是一門在線課程，觀看大約需要22個小時，但可能要花5倍時間才能完全理解。課程從復習Python到介紹庫，再深入研究機器學習算法。
我已完成該課程——它是入門學習機器學習的好方法，但僅此而已。因為這些算法并沒有講解得很深入。當然，完成課程后你能夠使用算法并以此解決實際問題，但是很可能不清楚要用何種算法、何時以及如何(適當)調整算法。
這是因為，這門課程的重點并不在于數學。事實上我認為這門課程根本沒講到任何數學運算，僅僅在講解如何運用Python的各種庫。課程作者建議學員在學習課程的同時閱讀《統計學習入門》以獲取扎實的理論基礎。我也認為需要讀這本書。
然而，該課程仍提供了諸多實踐的好機會。
價格：Udemy上原價為194.99美元，但經常可以享受9.99美元的折扣價。這個投資絕對不會虧。
2. Coursera：Andrew Ng的機器學習課程
這門課程就如同進入機器學習行業的標準。到目前為止，已有12萬多名用戶對該課程評分，平均分4.9，滿分為5。這也證明了它的優質。
視頻畫質不佳，但是內容質量彌補了這一點。這門課程的內容要比第一門課程深入得多，盡管Ng說有些地方不懂也沒關系，但還是應該找到自己的弱項然后盡己所能強化它。
據我所知，實驗室使用一種叫“八度(Octave)”的奇怪語言，它是Matlab的免費替代品。這幾乎是這門課的唯一缺點，因為如今大家幾乎只用Python或R語言進行機器學習。
價格：觀看視頻是免費的，但是必須支付100美元才能獲得結業證書。
將證書添加到領英的個人頁面很酷，但這不是必需品。
3. 哈佛大學：CS109A
來源：sina
與前兩個學習資源不同的是，這不是視頻課。它是一個GitHub庫，上面有理論部分的講座(PDF)和Jupyter實驗室筆記。
老實說，我不知道為什么這個資源會免費。
明明這是一門由世界頂尖大學之一制作的完整課程，居然完全免費。它包含20多個講座，13份實驗室筆記，總體上是機器學習的不錯起點。我還沒完成學習，因為我最近才開始看這份資源。但是從已經學習的部分看，它確實很棒。
價格：免費，跟著庫學習就行。
機器學習準備工作
來源：Pexels
現在你已經得到3個很棒的學習資源，可以開始機器學習之旅了。這絕非易事，尤其是在你缺乏一些背景知識而需要補回這些知識的情況下，但付出的精力都是有回報的。
如果零基礎者，我會推薦從第三個資源哈佛大學課程開始學習，我認為這是以上三個資源課程里最好的。
但這也不意味著另外兩個很糟糕，相反它們都很棒。我的建議是：
- 如果想對理論部分有個廣泛的總概學習，并且想要很多實踐機會，請選擇第一個
- 如果想掌握機器學習總論且不喜歡視頻課，請選擇第三個
- 如果想要了解一點背景知識，但也想理解模因，請選擇第二個
感謝閱讀。保重身體。
