方法 | 普通程序员如何转向机器学习

相信看到这篇文章的朋友，几乎都想成为机器学习科学家。

事实上，绝大多数的付费课程，基本上都有彻底免费的课程放在另外一个地方。咱们只是把这些信息整理好，告诉你在哪儿能够找到他们，以及经过什么样的顺序进行学习。

这样，哪怕你是还没毕业的大学生，或者是初入职场的工程师，均可以经过自学的方式掌握机器学习科学家的基础技能，并在论文、工做甚至平常生活中快速应用。

在这里咱们推荐一份用户友好型的机器学习教程，你能够经过几个月的学习成为机器学习科学家，彻底免费。

一份用户友好型的机器学习教程

当你学习机器学习课程时，有没有被信息过载所淹没？
      大部分的学习者都遇到了这个问题，这不是他们的错，由于绝大多数的机器学习课程都过于关注个别算法了。
没错，虽然算法很重要，但他们仍是把太多时间花在了算法上。

以致于......你几乎很难在短期内走完一遍机器学习的流程，从而感觉到经过它解决具体数据问题的巨大兴奋。

     这些机器学习课程关注于算法是由于它容易教。相比之下，若是机器学习老师要带你走一遍机器学习的流程，那么他须要搭建计算环境，完成数据采集、清洗、拆分，特征处理，模型调参和模型预测，甚至他还须要一个面向学习者的交互界面。老师哪有这么多的工具，与其手把手带着学生走一遭，还不如学习机器学习算法。

      但这样的问题是，很难有人能坚持经过自学，成为一个卓越的机器学习科学家。哪怕他是数学博士，或者技术高超的程序员，都很容易陷在细节中而难以有具体项目实现的成就感。
      这份教程将会带来彻底不一样的思路。它很是适合自学者，即使彻底没有编程的基础，也能经过恰当的工具快速实现机器学习模型，解决工做、生活中遇到的具体问题。

值得注意的是，咱们享用了世界顶级的机器学习资源，而不须要花费 1 分钱。

自我学习的方式

咱们推荐经过 Doing Shit（不是技术术语）完成你的学习。

在这以前你也许已经学习过机器学习了，但从我和朋友们的经验来看，每每会被各类神秘的符号、公式、大量的教科书和论文整的晕头转向，而后不再想碰这恼人的玩意了。

咱们的方法会更加友好，它的学习过程就像小朋友学习同样，你会了解一些基础的知识（但不必定要彻底弄懂），而后经过好用的工具快速实现出来就行了。而当你被建模出来的结果吸引，那时候咱们才谈算法背后的数学逻辑和计算逻辑。

因此咱们会在学习中作不少机器学习项目，这样的好处是当你面对一个工做机会时，你就是一个经验丰富的机器学习科学家了！

固然自学自己是须要自律的，这本教程将一直陪伴着你，如下是 4 个步骤。

1.前提条件: （不须要彻底弄懂）统计学、编程和数学（也能够不须要编程）

2.海绵模式:   把本身浸泡在机器学习的各类理论中

3.目标实践:    经过机器学习实践 9 个有意思的题目

4.机器学习项目:    深度参与到感兴趣的项目和领域中

步骤 1：前提条件

任务：确保你了解基础的统计学、编程和数学

统计学：理解统计学、特别是贝叶斯几率对许多机器学习算法来讲都是相当重要的。

免费的指南：How to Learn Statistics for Data Science, The Self-Starter Way

https://elitedatascience.com/learn-statistics-for-data-science

编程：懂得编程将会更灵活的应用机器学习。

免费的指南：How to Learn Python for Data Science, The Self-Starter Way

https://elitedatascience.com/learn-python-for-data-science

数学：对原始算法的研究须要线性代数、多变量计算的基础。

免费的指南：How to Learn Math for Data Science, The Self-Starter Way

https://elitedatascience.com/learn-math-for-data-science

你能够先看看这些教程，给你的机器学习道路打下知识基础。

步骤 2：海绵模式 

海绵模式是尽量吸取足够多的机器学习理论知识。

 如今有些人可能会想：“若是我不打算进行原创性研究，为何在可使用现有机器学习包的时候，还须要学习理论？”

这是一个合理的问题！

然而，若是你想把机器学习更灵活的应用于平常工做，学习一些基础理论仍是颇有好处的，并且你并不须要彻底弄懂。下面咱们会剧透学习机器学习理论的 5 个理由。

（1）规划和数据采集

数据采集真是一个昂贵和耗时的过程！那么我须要采集哪些类型的数据？根据模型的不一样，我须要多少数据？这个挑战是否可行？

（2）数据假设和预处理

不一样的算法对数据输入有不一样的假设，那我应该如何预处理个人数据？我应该正则化吗？假如个人模型缺乏一些数据，它还稳定吗？离群值怎么处理？

（3）解释模型结果

简单的认为机器学习是一个“黑盒子”的概念是错误的。是的，并非全部的结果都直接能够解释，但你须要诊断本身的模型而后改善它们。我要怎么评估模型是过拟合仍是欠拟合？我要向业务利益相关者怎么解释这些结果？以及模型还有多少的改善空间？

（4）改进和调整模型

你的第一次训练不多会达到最佳模式，你须要了解不一样的调参和正则化方法的细微差异。若是个人模型是过拟合了，我该如何补救？我应该花更多时间在特征工程上，仍是数据采集上？我能够组合个人模型吗？

（5）驱动商业价值

机器学习历来不会在真空中完成。若是你不了解武器库中的工具，就没法最大化发挥它们的效能。在这么多结果指标中，哪些是优化的参考指标？哪一个更为重要？或者还有其余的算法会表现更好吗？

好消息是，你不须要一开始就知道全部问题的答案。因此咱们推荐你从学习足够的理论开始，而后快速进入到实践。这样的话，你比较可以坚持下来，并在一段时间后真正精通机器学习。

如下是一些免费的机器学习资料

2.1 机器学习视频课程

这是来自哈佛大学和耶鲁大学的世界级课程。

任务：完成至少一门课程

哈佛大学数据科学课程

端到端的数据科学课程。相比吴恩达的课程，它对机器学习的重视程度较低，可是从数据收集到分析，你能够在这里学到整个数据科学的工做流程。

课程主页：http://cs109.github.io/2015/

斯坦福大学机器学习课程

这是吴恩达的著名课程，这些视频说清楚了机器学习背后的核心理念。若是你的时间只能上一节课，咱们建议这个。

课程主页：https://www.youtube.com/watch?v=qeHZOdmJvFU&list=PLZ9qNFMHZ-A4rycgrgOYma6zxF4BZGGPW&index=1

2.2 机器学习参考资料

接下来咱们推荐行业中两本经典的教材。

任务：看这些 PDF 做为教科书

An Introduction to Statistical Learning

Gentler 在书里介绍了统计学习的基本要素，适合全部机器学习的学习者。

PDF 地址：http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf

Elements of Statistical Learning

严格的介绍了机器学习理论和数学，推荐给机器学习的研究员。

PDF 地址：http://statweb.stanford.edu/~tibs/ElemStatLearn/

2.3 成功的关键

如下是每一个步骤成功的关键。

A：注重大局，老是问为何

每当你被介绍一个新概念时，问一句“为何”。为何在某些状况下要使用决策树而不是回归？为何要规范参数？为何要拆分数据集？当你了解为何使用每一个工具时，你将成为真正的机器学习从业者。

B：接受你不会记得全部学过的东西

不要疯狂的作笔记，也不要每一个课程都复习 3 次。在本身的实际工做中，你会常常须要回过头查看.

C：继续前进，不要气馁

尽可能避免在一个话题上拖过久的时间。即使是对于机器学习教授来讲，有些概念也很很差解释。可是当你在实践中开始应用时，你会很快就懂得概念的真实含义。

D：视频比教科书更有效

从咱们的经验来看，教科书是很好的参考工具，但它很难坚持。咱们强烈推荐视频讲座的形式。

(参考我博客里其余文章)

步骤 3：有目的实践 

在海绵模式以后，咱们会经过刻意练习的方式磨练技能，把机器学习能力提升到一个新水平。目标包括三个方面：

1.实践完整的机器学习流程：包括数据收集、清洗、预处理，创建模型，调整参数和模型评估。

2.在真实的数据集中练习，逐渐创建哪一种模型适合哪一种挑战的直觉。

3.深刻到一个具体主题中，例如在数据集中应用不一样类型的聚类算法，看哪些效果最好。

在完成这些步骤后，当你开始解决大型项目时就不会不知所措了。

3.1 机器学习的工具

为了快速实现机器学习模型，咱们推荐使用现成的建模工具。这样的话，你会在短期内练习整个机器学习的工做流程，而无需在任何一个步骤花费太多时间。这会给你很是有价值的“大局直觉”（Big Picture Intuition）。

Python：Scikit-Learn（机器学习 python是最主流的语言）

Scikit-learn 和 Sklearn 是通用机器学习中 Python 的黄金标准库，它具备常规算法的实现。

3.2 实践数据集

学习了工具后，你还须要一些数据集。数据科学和机器学习的艺术，不少都在于解决问题时的几十个微观决定。咱们会在不一样的数据集中看到建模的结果。

任务：从如下选项中选择 5 到 10 个数据集。

咱们建议从 UCI 的机器学习库开始，例如你能够选择 3 个数据集，分别用于回归、分类和聚类。

在进行机器学习工程的时候，想一想如下问题：

• 你须要为每一个数据集执行哪些类型的预处理？

• 你须要进行降维操做吗？你可使用什么方法？

• 你能够如何拆分数据集？

• 你怎么知道模型是否出现“过拟合”？

• 你应该使用哪些类型的性能指标？

• 不一样的参数调整会如何影响模型的结果？

• 你可以进行模型组合以获得更好的结果吗？

• 你的聚类结果和直观的相符么？

UCI 机器学习报告

UCI 机器学习报告采集了超过 350 个不一样的数据集，专门为机器学习提供训练数据。你能够按照任务搜索（回归、分类或聚类），也能够按照行业、数据集大小搜索。

地址：http://archive.ics.uci.edu/ml/

Kaggle

Kaggle.com 以举办数据科学比赛闻名，可是该网站还拥有超过 180 个社区数据集，它们包含了有趣的话题，从用户宠物小精灵到欧洲足球比赛的数据应有尽有。

https://www.kaggle.com/datasets

Data.gov

若是你正在寻找社会科学或者与政府有关的数据集，请查看 Data.gov。这是美国政府开放数据集合，你能够搜索超过 190,000 个数据集。

https://www.data.gov/

步骤 4：机器学习项目 

好了，如今到了真正有趣的部分了。到目前为止，咱们已经涵盖了前提条件、基本理论和有目的实践。如今咱们准备好进入更大的项目。

这一步骤的目标是将机器学习技术整合到完整的、端到端的分析中。

4.1 完成一个机器学习项目

任务：完成泰坦尼克幸存者挑战。

泰坦尼克号幸存者预测挑战是一个很是受欢迎的机器学习实践项目，事实上，这是 Kaggle.com 上最受欢迎的比赛。

咱们喜欢以这个项目做为起点，由于它有不少伟大的教程。你能够从中了解到这些有经验的数据科学家们是怎么处理数据探索、特征工程和模型调参的。

Python 教程

咱们真的很是喜欢这个教程，由于它教会你如何进行数据预处理和纠正数据。

教程由 Pycon UK 提供。

教程地址：https://github.com/savarin/pyconuk-introtutorial

4.2 从头写个算法 

为了对机器学习有更深的理解，没有什么比从头写个算法有帮助了，由于魔鬼老是在细节里。

咱们建议从一些简单的开始，例如逻辑回归、决策树或者 KNN 算法。

这个项目也为你提供了一个将数据语言翻译成程序语言的实践。当你想把最新的学术界研究应用于工做时，这个技能将会十分方便。

而若是你卡住了，这里有一些提示：

• 维基百科有不少好资源，它有不少常见算法的伪代码。

• 为了培养你的灵感，请尝试查看现有机器学习软件包的源代码。

• 将你的算法分解，为采样、梯度降低等编写单独的功能

• 从简单开始，在尝试编写随机森林前，先执行一个决策树。

4.3 选择一个有趣的项目或领域 

若是你没有好奇心，你是很难学好的。但目前为止，也许你已经找到了想坚持下去的领域，那么开始建模吧！

老实说这是机器学习最好的部分了。这是一个强大的工具，而一旦你开始理解，不少想法都会主动找上门。

好消息是，若是你一直在跟踪，也准备好从事这份工做，那么你的收获会远超你的想象！

咱们也推荐了 6 个有趣的机器学习项目。

地址：https://elitedatascience.com/machine-learning-projects-for-beginners

恭喜你到达了自学指南的终点

这里有一个好消息，若是你已经遵循并完成了全部任务，那么你在应用机器学习上将会比 90% 自称是数据科学家的人更好。

而更好的消息是，你还有不少东西要学习。例如深度学习、强化学习、迁移学习、对抗生成模型等等。

成为最好的机器学习科学家的关键是永远不要中止学习。在这个充满活力、激动人心的领域，开始你的旅程吧!

原文连接：https://elitedatascience.com/learn-machine-learning