2021年如何入门机器学习【路线图】

学习 Python

参加谷歌机器学习速成课程

学点数学！

学习笔记本

与 Kaggle 合作

结论

学习机器学习 (ML) 的过程往往充满挑战，令人困惑。大多数机器学习爱好者一开始都热情满满，但往往半途而废。相信我，我深有体会，因为我也经历过。事实上，我本人就曾三次经历过这种令人望而生畏的学习过程。

我五年前开始学习机器学习。那时候，优质的机器学习资源非常有限，能找到高质量机器学习资源的最佳途径就是像 Udacity 这样的网站，而当时“机器学习”这个词还大多与“数据科学”联系在一起。看了两三个机器学习视频后，我就放弃了，转而学习其他东西。三年后我又尝试了一次，结果再次放弃了。

那么，2021年发生了什么变化呢？首先，我在工程领域积累了更多经验，不断提升自己。如果你好奇的话，五年前我才17岁。其次，也是最重要的一点，我能够深入学习机器学习，是因为我制定了清晰的学习路线图。今天，我将向你详细介绍我的机器学习入门路线图。

在继续之前，我想先陈述几个事实：

• 扎实的数学基础是学习机器学习的必要条件，但并非必须。
• 学习机器学习需要对数据结构和算法有良好的理解。
• 扎实的编程基础和对编程概念的深入理解是学习机器学习的必备条件。

现在这件事解决了，我们继续。

学习 Python

Python是机器学习开发领域领先的编程语言。

机器学习开发者喜欢 Python，因为它易于上手，语法简单明了。

虽然其他编程语言（如 JavaScript）在机器学习领域也逐渐崭露头角，但 Python 仍然是迄今为止使用最广泛、最容易上手的选择，对于初学者来说，找到基于 Python 的机器学习代码库的优质资源并不难。

如果你还不了解Python，这里有一个很棒的入门教程。

参加谷歌机器学习速成课程

谷歌的机器学习速成课程是我迄今为止见过的最好的机器学习速成课程。它不仅能让你掌握机器学习的基本原理，还能让你很好地理解一些机器学习核心算法中涉及的数学知识。

该速成课程还会教授 NumPy、Pandas，以及最重要的TensorFlow，TensorFlow是一个非常棒的库，可以处理大多数与机器学习相关的问题，并且包含了构建机器学习模型所需的所有数学和算法。

在完成谷歌机器学习速成课程后，您还可以选择参加吴恩达在 Coursera 开设的机器学习课程。

学点数学！

虽然如上所述，学习机器学习并不需要数学知识，但对机器学习中各种数学计算的运作方式有良好的理解，将使你在学习机器学习的道路上更具优势。

然而，你并不需要掌握所有主要的数学知识，因为机器学习只需要用到一些基本的数学概念，以下是一些例子：

• 代数
• 线性回归
• 概率与统计

概率和统计在大多数用于创建模型的机器学习库中占据了机器学习数学的很大一部分，因此，你的大部分时间都将集中在这些主题上。

可汗学院针对这些特定的数学主题，在 YouTube 上有一个很棒的教程播放列表。

学习笔记本

Jupyter Notebook等笔记本是交互式多功能工具，不仅可以编写和执行代码，还能同时分析中间结果，从而在项目开发过程中获得启发。简而言之，它们非常出色，能够加快开发速度。

Google Collaboratory (COLABS)是 Google 版的 Jupyter Notebook。它创建了一个虚拟环境，您可以在其中编写和测试代码，最棒的是它是完全在线的，您无需担心 GPU 和硬件规格。

学习如何使用 Notebooks 对你学习机器学习来说是一笔宝贵的财富。

与 Kaggle 合作

Kaggle是全球最大的数据科学社区，拥有强大的工具和资源，可帮助您实现数据科学目标。它由 Google 创建和维护，是一个通过实践学习机器学习的绝佳平台。

Kaggle 汇集了各种热门的真实世界场景项目，您可以通过参与这些项目来提高您的机器学习技能，并使您掌握足够的知识，从而能够独立构建和理解真实世界的数据集和模型。

结论

除了现在，学习机器学习从未像现在这样容易。市面上有成百上千种学习资料，但这些资料往往让人眼花缭乱，甚至过早放弃。然而，只要制定一个好的学习计划，你就能更快地学习机器学习，更重要的是，你可以用正确的方式学习机器学习！

感谢您的阅读，我希望我为您制定的这份路线图能够帮助您在学习机器学习的迷雾中前行。

如果您喜欢这篇文章，请考虑在 Dev.to 和 Twitter ( @heyOnuoha ) 上关注我，这样您就不会错过关于以下主题的新内容：

• Web 开发（JS 和 Python）
• 提升自身开发能力
• 机器学习

支持我：

👉 在Twitter上关注我
👉 请我喝杯咖啡☕

干杯！！！