2017年人工智能已經(jīng)列入了國務(wù)院的人工智能發(fā)展規(guī)劃中，人工智能將成為推動中國發(fā)展的新生科技力量，并在未來扮演著越來越重要的角色，對于想要從事AI行業(yè)的小伙伴們來說，如何能夠快速、深入的掌握機器學(xué)習(xí)相關(guān)知識顯得尤為重要。

下面給大家整理了下機器學(xué)習(xí)從入門到進階的基本流程，主要側(cè)重進階部分。

一、機器學(xué)習(xí)入門必備知識

上圖是人工智能與機器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系以及隨時間發(fā)展的演化圖。如今在工業(yè)界中，機器學(xué)習(xí)和深度學(xué)習(xí)都有著舉足輕重的地位，二者解決的問題多有不同：機器學(xué)習(xí)擅長解決可結(jié)構(gòu)化數(shù)據(jù)的分類預(yù)測問題，如房價預(yù)測、患病預(yù)測等；而深度學(xué)習(xí)更側(cè)重非結(jié)構(gòu)化數(shù)據(jù)的部分問題，如圖片分類、文本分類等。

作為機器學(xué)習(xí)入門，當(dāng)然是推薦課程和書籍，下面是想要入門機器學(xué)習(xí)的一些基本書籍和課程。

1、《數(shù)學(xué)之美》，作者吳軍。這本書非常適合入門去看，講的非常通俗，沒有那種通篇上來就列一堆公式的情況，把這邊書好好讀讀，你會發(fā)現(xiàn)算法是非常有意思的，能夠解決很多問題。

2、《深入淺出數(shù)據(jù)分析》，這本書主要講解數(shù)據(jù)分析的一些基本概念和知識，也適合入門閱讀。

3、《MySQL必知必會》，這本書主要是講解MySQL的，想要入門AI，基本的SQL還是要懂得。

4、《機器學(xué)習(xí)》，作者周志華，這本書可以說是機器學(xué)習(xí)入門的法寶，不但是入門書，并且值得你后期甚至大后期不斷細細研讀，入門必看，進階同樣重要。

5、《斯坦福大學(xué)公開課 ：機器學(xué)習(xí)課程》，吳恩達大佬的斯坦福公開課，這也是入門課程，不過，這門課建議從入門到后期反復(fù)看，因為入門直接看可能完全看不懂，還是需要基本知識儲備的。

6、其他課程，可以有選擇的在直播平臺上買一到兩門課，從頭到尾跟著老師學(xué)習(xí)，直接聽上面的吳恩達大佬課程可能很難直接跟上，有一兩門入門視頻課還是能加快學(xué)習(xí)速度的，另外提一點就是，入門不需太多，但是最好買一門質(zhì)量高的，這樣一般會有老師答疑還可以有群很多人交流，不至于學(xué)著學(xué)著堅持不下去，堅持也是很重要的。

二、機器學(xué)習(xí)進階必備知識

在有了上面學(xué)習(xí)的基本功底之后，就可以考慮進階學(xué)習(xí)了，上面的入門知識可能要花費你3個月甚至更長的一些時間，但是無需過于糾結(jié)，上面搞不懂的問題，在進階部分還可以繼續(xù)研究。

機器學(xué)習(xí)進階，所要學(xué)習(xí)的知識會開始偏向于具體算法和編程實踐部分了，這部分建議不要貪多，可以采取各個知識點逐個突破的方法，各個算法挨個擊破辦法，先給大家推薦幾本靠譜的書籍：

1、《機器學(xué)習(xí)》，作者周志華。對，又是它，不要小看這本書，他會伴隨你整個學(xué)習(xí)過程，這本書個人感覺并不是每個算法講的都很好，對于算法各個擊破，建議像決策樹、隨機森林、樸素貝葉斯和集成算法好好看看，這部分寫的很好，像決策樹，基本上按照它講的，完全可以手工擼代碼實現(xiàn)，很贊的。

2、《統(tǒng)計學(xué)習(xí)方法》，作者李航。這本書可以說是進階利器，要想把機器學(xué)習(xí)里面的算法搞明白，這本書一定要好好讀讀，建議這本書里面的SVM、KNN算法好好看看，這本書講的非常明白透徹，像SVM很多書省略很多步驟，講的不夠透徹。

3、《機器學(xué)習(xí)實戰(zhàn)》，提著籃子背著鋤頭的那本書，這本書非常適合同時結(jié)合上面兩本書一起看，個人認為是機器學(xué)習(xí)的“三劍客”，這三本書好好看看，跟著步驟擼點代碼，了解的會更深入的。

4、《利用python進行數(shù)據(jù)分析》，這本書非常重要，上面講的是算法原理，要是真正將算法應(yīng)用于實踐，有相當(dāng)大的一部分工作量是要對數(shù)據(jù)進行處理和分析的，機器學(xué)習(xí)中的數(shù)據(jù)多數(shù)都可以轉(zhuǎn)化為DataFrame數(shù)據(jù)來進行建模，數(shù)據(jù)分析學(xué)會了，實際應(yīng)用也就不遠了，不過，關(guān)于數(shù)據(jù)分析，實踐非常重要，只看書是不夠的，這部分建議找一門課或者買一門課跟著學(xué)效果會好。

5、《python自然語言處理》，這本書主要是講自然語言處理的，也是一個比較重要的分支，有感興趣的可以學(xué)一下

6、《Neural Networks and Deep Learning》，作者?Michael Nielsen。這本書可以作為深度學(xué)習(xí)的入門和進階，這本書要好好看看，講的非常好，手把手教你深度學(xué)習(xí)。

7、deeplearning.ai，作為機器深度學(xué)習(xí)的進階課程，這也是一部利器視頻，好好看看，能學(xué)不少東西

8、其他課程，這部分需要學(xué)習(xí)的東西比入門多了很多，要想把這部分學(xué)好，需要花費大量的時間去看書，但是如果一直在看書，沒有實踐項目，會很難堅持下來，建議小伙伴們找一門從頭到尾帶你學(xué)習(xí)的課程，一邊看書一邊學(xué)，效果更佳。

三、機器學(xué)習(xí)學(xué)習(xí)方法

上面已經(jīng)較為詳細的列舉了小白或者是有基本功的小伙伴學(xué)習(xí)機器學(xué)習(xí)的必備知識和課程，有了這些作為儲備，你的硬件資源就夠了，相當(dāng)于有了教材和課件，但是學(xué)習(xí)有了這些東西是不夠的，如何去學(xué)，如何高效的學(xué)以及步驟和側(cè)重點也很重要，下面就給大家列舉下學(xué)習(xí)過程中的一些問題。

1、切勿掉入書山中，實踐理論結(jié)合重要

在列舉了上面的學(xué)習(xí)后，很多人可能會一頭扎進書山中埋頭苦讀，讀完一本接著一本最后發(fā)現(xiàn)什么都懂點什么又都沒懂，這樣效率是很低的，如果你是搞學(xué)術(shù)的不在此范圍內(nèi)，相信多數(shù)人還是偏應(yīng)用，從事相關(guān)工作，在IT界，實踐才能學(xué)到東西，不要一直看書，可以邊看邊試試寫點代碼，實現(xiàn)個小公式，小算法，這樣進步快一些。

2、采取并行學(xué)習(xí)法而非串行

這幅圖可以作為學(xué)習(xí)的基本流程，但是未必需要前面具備才往后進行，可以一邊學(xué)基礎(chǔ)，一邊寫代碼，一邊還可以做比賽，這樣可能前期痛苦些，但是后面會學(xué)得快。

3、建立知識框架，修補知識漏洞

上面這幅圖是是sklearn的機器學(xué)習(xí)算法筆記，你可以在學(xué)習(xí)中去建立類似的筆記，有助于建立起整個學(xué)習(xí)框架，對于不懂得，再不斷從細節(jié)去學(xué)。

4、找到適合你的課程，跟著從頭到尾學(xué)

如果你是上班族或者是在學(xué)校里面而沒老師給你講這門課，那么報一門適合你的課程從頭到尾跟著學(xué)就非常重要了，不要過于相信你的自制力，沒有人和你一起學(xué)，你學(xué)了很久也看不到自己有何進步，慢慢興趣就沒了，所以找到能從頭到尾給你講的課程也很重要，這個大家可以多對比多發(fā)現(xiàn)，總有一款適合你。

來源：模范程序員

文章版權(quán)歸原作者所有，轉(zhuǎn)載僅供學(xué)習(xí)使用，不用于任何商業(yè)用途，如有侵權(quán)請留言聯(lián)系刪除，感謝合作。

總結(jié)

以上是生活随笔為你收集整理的机器学习：怎样才能做到从入门到不放弃？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。