个人Machine Learning学习之路

时间 2019-11-11

标签个人 machine learning 学习之路繁體版

原文原文链接

从2016年年初，开始用python写一个简单的爬虫，帮我收集一些数据。
6月份，开始学习Machine Learning的相关知识。
9月开始学习Spark和Scala。
如今想，整理一下思路。
先感谢下个人好友王峰给个人一些建议。他在Spark和Scala上有一些经验，让我前进的速度加快了一些。html

学习算法

做为一个程序猿，之前屡次尝试看过一些机器学习方面的书，其过程能够说是步履阑珊，碰到的阻力很大。
主要缘由是，读这些机器学习的书，须要有一些数学方面的背景。
问题就在这些数学背景上，这些背景不单单是数学技巧，也有一些共识。对于缺少这些背景的我，即便一个简单的公式，也有时会感到困惑。
若是你像我同样是一个程序猿，我建议读Peter Harrington写的Machine Learning in Action （中文书名是《机器学习实战》）。
这本书是以开发者的知识背景来写的，而且提供的python代码能够下载，方便开发人员理解。python

学习算法的Level

Level 1：了解如何使用算法算法
Level 2：了解算法的正确使用场景
正确的使用一个算法，须要经验和对算法理论的了解。
我之前有些这方面的经验，不少错误在于不正确地使用了算法。
当咱们编程序给别人用时：
- 须要理解算法
  最低要求，也要有一些基本的统计知识。编程
- 须要实现算法
  实现算法通常比较简单，须要注意性能和精度。
  基本上这部分在实现好后，比较稳定。架构
- 须要实现将用户数据应用到算法上的过程。
  这是程序员主要干的工做，接口、性能上的考虑不少。机器学习
- 须要理解用户的使用场景。
  这部分价值很大。
  一方面，写单元测试是不可避免的，理解用户的场景才能写出有效的单元测试程序。
  另外，会有不少处理客户问题的工做，也是长经验的机会。函数式编程
Level 3：了解算法的后面的数学理论
有人以为这个用处不大。我以为了解数学理论，能够：
- 成为真正的行家
- 将来的路还很远，怎么能戛然而止!
- 使用算法来帮助本身的一些事情，或者实现一个新的算法。
- 如今人工智能的潜力很大，能够本身好好玩玩。

学习python

在数据量不大的状况下（几个G），单机上就能够很好跑机器学习的程序。
这时，Python的用途就很大，不只有已经实现好的算法，也能够实现爬虫，从网上获取数据。函数

学习Scala和函数式编程

对于大数据处理来讲，Spark和Scala结合是如今的大趋势。
我写的博文有：
学习Scala：初学者应该了解的知识
 函数式编程 : 一个程序猿进化的故事
 Scala underscore的用途
 不变(Invariant), 协变(Covarinat), 逆变(Contravariant) : 一个程序猿进化的故事
 Scala Collection简介
 Scala on Visual Studio Code性能

学习Spark架构

我写的博文有：
Spark集群 + Akka + Kafka + Scala 开发(1) : 配置开发环境
 Spark集群 + Akka + Kafka + Scala 开发(2) : 开发一个Spark应用
 Spark集群 + Akka + Kafka + Scala 开发(3) : 开发一个Akka + Spark的应用
 Spark集群 + Akka + Kafka + Scala 开发(4) : 开发一个Kafka + Spark的应用

学习在Spark上的机器学习项目开发经验

学习更多的算法

蒙特卡洛树算法

成为Spark的Contributer

成为Spark的Contributer是件很cool的事。

能够读读Spark的代码，从中应该能够增加很多。
而后，尝试修一些Spark的Bugs。

深度学习

路还很长。