一周入门，一年自通，机器学习没那么难
科技时代，我们更加怀念温暖邂逅的时光
后台回复“想要”，得到近期有温度的推荐
全文共2559字，预计阅读时长3分钟
机器学习是人工智能的重要内容，在各种技术应用文章中被提及最多。但是隔着人工智能的面纱，要理解机器学习，学习机器学习知识，总让人觉得难以着手。
其实，对机器学习的研究早就开始，也经历过几十年的试错，直到最近几年，这方面的研究才真正开始向前推进。就像站在巨人的肩上，我们学习机器学习可以少走些弯路，直接从机器学习步入正轨的地方开始学习。
道理我们都懂，但具体怎么做才好？说起来容易，做起来哪有那么简单？有没有比较好的示范？
考虑到广大同胞们的困惑和需求，今天我们要和你分享Per Harald Borgen的故事，从他的零基础自学机器学习经历，也许你会受到启发。
Per Harald Borgen来自挪威，从事着计算机软件方面的工作。2014年，他对机器学习产生了兴趣，2015年，他开始了入门，然而，在5天的基础学习中，他发现入门比想象的容易。在之后的一年，边工作边学习，他开发出了自己的机器学习算法，并派上了用场。
入门比我想象的容易
在入门之前，Per Harald Borgen已经通过阅读、视频课程、理论课程，对机器学习有了基本的概念，但他仍然不能将知识转换为代码，这是他想要改变和做到的。虽然当时他只是一个业余编码员，但仍然想要尝试。
在 Hacker News 上咨询之后，他得出的结论是 Python 的 Scikit Learn 库是最适合入门的。这个库提供了丰富的算法，将实际的机器学习问题减少到几行代码。
在一周5天的时间里，他的学习路线是这样的：
星期一：学习一些实例，逐步了解 Scikit 学习。
Per Harald Borgen最后他选择了一个“使用机器学习投资股票”的教程。过程中，他发现，获取和清理数据比机器学习更耗时。因此，编写脚本抓取文件或网络中的数据的能力是一个机器学习“极客”的必备技能。
星期二：尝试用机器学习解决实际问题。
“给定一个人的教育水平，年龄和收入信息，计算机能不能预测其性别？”Per Harald Borgen对这个问题产生了兴趣。观察和清理银行提供的数据集，使用 Scikit Learn map 找到一个适合的算法。虽然最后预测的成功率只有 63％，不过比抛硬币准多了，而且能解决实际问题，这让他备受鼓舞。
星期三：从头开始，学写算法。
在玩转各种 Scikit Learn 模块后，Per Harald Borgen觉得自己其实不明白后台发生了什么。好在coursera 课程详细介绍了几种算法的工作原理，描述了最底层最基础的概念。他就用Python从头编码了一个线性回归算法。追溯源头、了解后台细节，Per Harald Borgen觉得是一种高效的学习技巧。
星期四：研究Kaggle的入门教程
Kaggle 是一个机器学习的竞赛平台，你可以在其中提交公司或组织发布的问题的解决方案。Per Harald Borgen研究了 Kaggle 的入门教程，还做了一点点自然语言处理。他建议在对机器学习有一些理论和实践经验后再尝试 Kaggle，否则可能没什么收获，反而觉得沮丧。他大概也尝到了沮丧的滋味吧。
星期五：继续Kaggle教程的学习。
有什么比一边学习，一边实践，一边交流，更能锻炼和巩固人的呢？用一周时间让自己完全沉浸在一个新的项目当中，这是充实有效和愉快的。
哈哈，我挂了几门AI课
Per Harald Borgen学习机器学习的路并不总是顺顺利利，比如成功挂掉了Coursera 机器学习课程。
原因不是课程的错，只是对一个初学者来说，课程内容太难，很难跟上。再加上用的是一门新的编程语言Octave，同样十分具有挑战性，自己也最终放弃了。
适合自己的才是最好的，事后，Per Harald Borgen总结出了经验。要么是用机器学习图书馆来进行编码任务，而不是从头创建算法，又或者至少是用自己了解的编程语言。
对于新手来说，学习一门新的语言，并同时编码机器学习算法，实在是太难了。应该从简单和容易操作的东西开始学，而不是困难和理论性的。
同样挂掉的还有神经网络课程。
Per Harald Borgen想要复制在机器学习周取得的成功，将经验用在神经网络，结果失败了。原因在于，时间和精力容易被分散。
不同于机器学习周，当时自己处在一个训练营地，周围都是机器学习的爱好者，每天就专注着学习机器学习。而学习神经网络，却没有这样一个相对封闭的环境和积极的氛围。
但是，至少也开始着手从事了神经网络的研究，并且也慢慢掌握了要领。终于在几个月后，成功编写了自己的第一条网络。(此处应有掌声……)
一年后，成功为公司开发了个算法
2015 年圣诞假期，距离一周的入门学习已经过去了10个月，Per Harald Borgen已经积累了一定的实践经验和知识储备，他再一次鼓起勇气，决定试验 Kaggle。
他花了相当一段时间来试验各种算法，用于测试 Kaggle 的住宅报价转换，奥托集团产品分类，以及自行车共享需求竞赛。通过试验各种算法和数据，使结果得到不断改善，这是他最大的收获，也学会了要在做机器学习时相信自己的逻辑。
在做了以上所有工作之后，Per Harald Borgen觉得自己已经准备好在实际工作中做一个机器学习项目。
他通过阅读对企业的描述和简介训练出一套算法，来帮助自己任职的公司Xeneta更好地发现潜在客户，确定销售线索。并且实际证明，这替销售部门的员工节省了大量的时间。
在他的开发日志里写着：“走到这一步确实是一个漫长的旅程，但其实也很快。在我开始一周入门的学习时，我完全没想过自己能在一年的时间内熟练使用机器学习。但是这是100%有可能的。而如果我能做到，你也一定可以。”
读芯君开扒
我有经验有方法，你有心吗？
梳理Per Harald Borgen自学机器学习过程，读芯君从他身上总结出了几条经验：
1. 兴趣不能当饭吃，试过才知道。人工智能一火，带起了不少人的兴趣，但大多数人只停留在兴趣和观望，少了行动力。其实不管好与不好，难于不难，只有自己试了才知道。零基础怕啥，谁还不是一点点学起来的？
2. 做个实用派，从实际问题出发，自上而下学习。大学里的专业教育的思路常常是自下而上，先储备各种理论知识，必要技能，打好基础，再靠实践，一步步往上，解决实际应用中的问题。但Per Harald Borgen是从实际出发，找到一个与AI有关，自己感兴趣或者就在身边的问题，寻找解决问题的方法，根据需要学习理论知识和技能。这种自上而下的学习，其实更有趣也更高效。
3. 我的节奏我做主，先易后难，适合自己的最好。虽说网上的优质资源很多，但不见得适合每一个人。选择时，还要量体裁衣，量力而行。太难了，打击信心，没成就感容易放弃。还是从易到难，循序渐进，没有谁能一口吃成一个胖子，担心消化不良。
4. 组队学习，事半功倍。一个人学是孤独，两三个人一起组队学，过程就会顺利很多。有难题，可请教；有争议，可讨论；想放弃，没面子；比一比，劲儿更足。和志同道合者一起，能创造出很好的学习氛围，效率更高。
5. 这话你可能不爱听——没有什么是坚持解决不了的，如果有，就继续坚持。
机器学习永远是没有那么简单，但也没有我们瞎YY的那样难，读芯君有计划有方法，关键是，你有心吗？
留言 点赞 发个朋友圈
我们一起探讨AI落地的最后一公里
作者：六个太阳
参考文献：
http://dataconomy.com/2016/10/machine-learning-year/
http://www.sohu.com/a/129004140_308467
如需转载，请后台留言，遵守转载规范
推荐文章阅读
长按识别二维码可添加关注
读芯君爱你