一、初识机器学习

如何轻松学会机器学习？

作为一名曾从事安卓开发并成功转行为算法工程师的程序员，我来分享一下我的学习经验。首先，要认识到机器学习确实有一定难度，因为需要掌握一些先验知识，并且没有及时的正反馈。整个学习过程可能会比较漫长，那么我们应该如何坚持下去呢？关键在于明确整个学习步骤，知道每个阶段的学习目标。标准是非常重要的，因为机器学习涉及的知识点众多，如果一开始就陷入细节中，很难看到学习的终点。接下来，我将详细介绍每个学习阶段的标准和原因。

I、初识机器学习

在刚接触机器学习时，你可能听到很多关于公式和概念的说法，但是我建议先对机器学习有一个整体的了解，看看自己是否对此感兴趣。有没有类似《Head First》这种快速简单入门的书呢？确实有，《集体编程智慧》就是一本非常经典的书。这本书虽然入门级别，但现在很少有人提起它了。一开始并不需要深入了解机器学习算法的知识，而是要知道机器学习能做什么，培养对机器学习的兴趣，这对你未来坚持下去至关重要。我在学生时代阅读这本书时，发现了机器学习的魅力，通过分析数据来获得集体智慧，这不就是编程的最高价值吗？

II、深入学习阶段

当你进入这个阶段时，说明你有充足的学习时间，希望能够系统地学习，而不是为了急于就业而走捷径。整个学习路径包括：机器学习理论、机器学习实战、深度学习理论、选择深度学习就业方向、实战方向。下面我将详细介绍每个阶段应该做什么以及如何做。

1. 机器学习理论

机器学习确实需要一定的数学基础，但要求并不是很高。只要你上过大学的《高等代数》和《概率论》课程，就能完全胜任。学习机器学习理论最扎实的方式就是上课。我曾经去上过计算机系的机器学习课程，一个学期的学习和考试，非常扎实。如果你无法去上课，或者老师水平有限，通过看书或者视频自学也是完全可行的。下面按时间顺序，介绍应该依次阅读哪些书。首先是《西瓜书》、李航的《统计学习方法》和《模式识别》三本书。你只需要看完其中一本，不必阅读全部章节，因为有些知识可能在你的整个算法生涯中都用不到。一开始我们只需要学习普适的知识，其他的可以在需要的时候补充学习。《西瓜书》只需要看到第九章的聚类部分，《统计学习方法》只需要看到第九章的EM算法部分，《模式识别》是清华大学研究生模式识别课程的教材，建议在看完《西瓜书》和《统计学习方法》后再翻阅一下。当你读完这些书后，会感觉自己对机器学习有所了解，但过一段时间可能会忘记一些内容。这时候可以看吴恩达的机器学习视频，在Coursera上就能找到。观看视频时一定要记笔记，因为以后你会经常翻阅，记录下来可以节省大量时间。此外，我还推荐知乎官方的「知乎知学堂」和「AGI课堂」联动推出的【程序员的AI大模型进阶之旅】公开课，共有两天的课程，完全免费。课程介绍了在LLM时代，程序员应该如何抓住这次机会，并且有名师讲解了模型原理以及开源工具LangChain等技术干货，对于理解LLM原理非常有帮助。通过这些学习，你已经全面了解了机器学习的基础知识，但你可能会怀疑自己是否能够实现这些算法，接下来就要进入实战阶段。

2. 机器学习实战

在此之前，你只见过伪代码，《机器学习实战》这本书则给出了各种算法的Python实现，而且都是原创的，没有使用现成的库。读完这本书后，你会有信心说，我不是调包侠，我能直接手写机器学习算法。在机器学习实战阶段，你需要学习使用pandas、numpy和sklearn这三个库，主要使用xgboost和lightgbm这两个模型。

当提到这个话题时，如果你想进一步了解，请访问葫芦娃AI