@hanxiaoyang
2016-10-24T03:43:19.000000Z
字数 3126
阅读 3428
文摘供稿
翻译&&校对：吴蕾、@寒小阳
作者受 Google Interview University 启发而写了这个教程。
作为一名移动开发人员，这是我做的向机器学习工程师转型的学习计划，需要花费几个月时间去完成。我的主要目的是要找到合适的学习方法，以及适合于初学者入门的的数学知识摘要和一些实践类的指导。这并非常规途径，而是自上而下的，专注于结果的方法，专为软件工程师而设计的。
如果你有任何建议，请不吝指出，使之更趋完善。
• 这是什么？
• 为什么要用此方法？
• 如何运用？
• 跟我来
• 不要觉得自己不够聪明
• 关于视频资源
• 预备知识
• 每日计划
• 激励
• 机器学习概述
• 精通机器学习
• 机器学习的乐趣
• 机器学习：深度非技术指南
• 典故和经验
• 初学者丛书
• 实用丛书
• Kaggle知识竞赛
• 视频
• 慕课
• 成为Open Source贡献者
• 社区
• 我所仰慕的公司
我准备按照这个学习计划，为我未来的工作去做些准备。从2011年开始，我就一直在做移动应用开发（Adroid/iOS/Blackberry）。我大学学的是软件工程专业，并非计算机科学，学过一些基础课程：微积分，线性代数，离散数学，概率和统计等。我对机器学习的兴趣在以下方面：
我感觉这对我有难度。
就我所知，机器学习有两方面:
我觉得，关于以实用为导向的最好学习方法，莫过于 “实践-学习-实践”, 就是说，学生在项目中遇到了实际问题，先熟悉一下这个领域的传统方法。在练习了一段时间有了基本经验后，他们可以看书学习这方面的理论，来指导未来的进阶练习，提升解决实际问题的能力。学习理论知识能够进一步提高对于基础经验的理解，使他们更快得掌握更先进的技能。
这对我来说是一个长期计划，会需要几年时间去完成。如果你对这方面已经比较熟悉了，那会大大缩减所需时间。
下面都是轮廓性的描述，你要从头到尾逐项进行。
我喜欢用Github的Markdown来写，包括任务列表来检查进度。
More about Github-flavored markdown
我是个越南的软件工程师，非常向往到美国工作。我正在学习的过程中。你知道我付出多少努力吗？白天忙碌工作后，每晚还要花4小时进行学习。
学习了那些微积分，推论统计，线性代数那些预备课程后，我非常失望，因为我还是不知如何起步……可以看看下面的链接：
你注册Coursera或EdX课程后，可以获得一些视频，而且是免费的。不过不开课的时候就无法访问，你得等上几个月。我将会添加更多的视频到公开的资源库里面，来代替过期的在线课程视频。我喜欢用大学公开课。
在每日计划执行之前，我先学习了一些比较基础而有趣的短篇。
完全理解一个课题，都不是需要一整天的，你可以在一天里面分多个时段来完成。
每天我会从任务表里面挑一个课题，阅读，做笔记，做练习，并用Python 或R来写代码。