2020 重启机器学习(1)
machine_learning.jpg
今天来聊一聊如何从研发工程师转行为一名 AI 工程师，这是自己个人经历，虽然谈没有什么的，有没有走弯路现在还不知道。幸运的是，现在已经转行为一名 AI 研发人员。如果大家也有想要成为一名 AI 工程师或者像我一样想转身成为一名 AI 工程师，接下来的内容应该会对您有所帮助。
image
学习方法
在今天，从事 web 开发人员，都已经习惯了敏捷开发，快节奏开发、测试和上线。不过学习机器学习可不同于 web 开发，不是一件求快的事情，不是一件少下功夫短时间就能完成的任务。 需要做好持久战的准备，不是一天两天的事，也不是一个月两个月的事，而是一年半载的事。个人虽然有点基础也是坚持看了将近一年半，而且基本保证每天 1 到 2 小时。当然因人而异，可能您就会 21 天速成。
image
推荐
其实有时候我们听过一些教程可能感觉是一头雾水，先不要急。可能两个原因第一个原因就是教程不适合你当前状态，也就是你知识背景还无法消化教程里内容，第二个原因就是教程本身不算好，一些概念作者可能也是吸收过来并没有吃透。总结上面两方面原因。我们的对策就是继续找自己能够听的懂来学习。有关机器学习教程网上很多很杂，要是能找到适合自己的教程，那么接下来只要坚持下去多半就会搞定机器学习这件事。
image
3blue1brown 应该是入门时看的比较早的教程。在 3blue1brown 中对于一些知识点都给出比较生动详细的解释，所谓生动就是动画形式将一些复杂理论解释清楚。不过因为大部分内容都是英文，可能听起来多半时间花费在理解英文意思上了，所以对于英文不算好的朋友可能会有些问题。当然也能找到一些翻译过来的资料。
如果有些算法或者知识点对于您，仅靠听教程看公式还是无法理解，不妨尝试在 3blue1brown 上找一下，看是否有对应课件和教程，相信看了会对您理解这些知识点有所帮助。
image
秦曾昌的《机器学习算法精讲》是机器学习基础的精讲，如果基本相对比较薄弱可以选择《机器学习算法精讲》作为入门首选。推荐大家可以在听时候准备好本和笔，一边听一边跟着推导公式。
image
李沐的《动手学深度学习》，毕竟是搞出了 mxnet 的牛人编写教程，从内容上看课程设计也是下了一番功夫。因为自己也在写文章吗，所以知道其中不容易。一遍好的良心的文章的确需要付出很多。
系列教程比较基础而且易懂，唯一问题 mxnet 开源项目并不多，整个视频都是基于 mxnet 来讲的，所以我们还需要结合 keras 或 pytorch 实现一遍其中代码。
image
李宏毅老师的视频不错，也是我个人比较喜欢机器学习讲师一名。他讲解透彻而风趣易懂，当然也不乏台湾人的细致。不过部分内容还是有一定深度，可能大家听完了他的回归和分类后，在听下去会有点 confusing。这里有点可以说一下，大家可以看看他讲解的 SVM 可以从另一个全新的视角来看 SVM。
image
吴恩达个人听了点，但是也不是什么原因这是听了一点，可能是因为太流行了，反而自己对他的教程失去了兴趣，不过应该是经典中经典了，所以在这里强烈推荐大家过一遍，以后有时间我也会过一遍，然后和大家分享学后感。
最后也推荐一下自己的公众号和简书，到今天在简书和公众号上也写大概几百篇文章，其中大部分都是学习笔记有的是分享学后感。写的自己都很少回头看，基本上没review 就直接丢上去了。所以也没有经典，不过以后也想自己写一部经典机器学习教程，我也会慢慢来，不急于求成，争取把每一个次分享做到详尽。
其实看了看自己在 1 年的确写了不少文章，内容上基本涵盖大多数基础机器学习和深度学习。质量上应该说没有什么质量只是内容堆叠，语言上有些晦涩难懂。原因是时间短，而且不同阶段的写的内容因为自己对学习内容认识深度不同也会有些误差。上我上面说的我也准备做的一个经典。
其他还有很多视频和教材一些，当我想起了随时推荐给大家。
书籍方面
image
因为个人比较喜欢视频方式来吸收新知识，所以书籍相对看的不多，个人感觉好的书籍也不多，多半好点都是老外的编写书籍，西瓜书口碑不错，借阅后没看进去，感觉不太适合基础比较薄弱，纯属个人见解。
image
这本书是不容错过，大家简称为 PRML 。不知道有没有中文版，反正英文版我看起来有点难。我们一起啃吧
image
这本书《Deep Learning with python》 是基于 keras 来介绍基础深度学习，这本书是 keras 作者写是一部深度学习入门好书，听起来就不错，作为一名程序员我们都喜欢了一遍看书一遍 coding。虽然书出版不算晚，但是深度学习是日新月异，所以部分内容已经过时了。
然后就是《动手学深度学习》。因为机器学习是新兴的领域，每一天都在更新，最近 YOLOv4 还没有站稳脚跟，YOLOv5 就一跃而出，所以单单凭借书本上内容是远远不够的。当然虽然不断换装但是其本质还是不变的，只是锦上添花而已，还没有什么质的飞跃。
