學生快樂編程之如何開始？
有很多同學聯系我，覺得學習“機器學習”和“人工智能”非常辛苦，經常會放棄，轉而投向游戲或者其他更舒適的內容。我想告訴同學們的是，學習是一件非常非常枯燥乏味的事情。所以(敲黑板啦！)，絕不是三分鐘熱血。而是要“興趣+堅持”。
英語單詞學習(現在機器學習和人工智能在國內還是新型行業。一手資料一定是外文的，所以要學！好！英！語！)
Machine Learning Engineer? 機器學習引擎
Uber Driver? 優步司機
Artificial Intelligence?人工智能
下面我來向大家介紹一位國外小伙是如何學習機器學習和人工智能的，希望對各位同學有些幫助。人生短暫，把握當下。
我是如何開始的
我的朋友和我正在建立一個網絡創業公司。它失敗了。由于缺乏資金支持，我們放棄了。但在此過程中，我開始越來越多地聽到ML(Machine Learning)和AI(Artificial Intelligence)。“電腦為你學習東西？”我簡直不敢相信。
我偶然發現了Udacity的Deep Learning Nanodegree。一個名為Siraj Raval的有趣角色出現在其中一個宣傳片中。他的能量很有感染力。盡管我當時的技術并不符合會員基本要求（我之前從未編寫過一行Python），但我還是注冊了。
在課程開始日期前三周，我通過電子郵件向Udacity支持人員詢問退款政策是什么。我很害怕我無法完成課程。
最終，我沒有得到退款。我不得不在指定的時間表內完成了課程。那個挺難。真的很難！我的前兩個項目遲交了四天。但是，參與世界上最重要的技術之一的興奮促使我前進。完成深度學習Nanodegree，自動駕駛汽車Nanodegree或機器人Nanodegree。所有很棒的課程內容。
課程結束后，我有點失落。 “我下一步去哪兒？”
我需要一個課程。我在Deep Learning Nanodegree上建立了一個小小的基礎，現在是時候弄清楚我接下來要去哪里了。
我的自創AI大師學位
我不打算很快回到大學。 無論如何，我沒有10萬美元的資金支持自己獲得碩士學位。所以我做了我在開始時所做的事情。 向我的導師谷歌尋求幫助。
在沒有任何事先了解該領域的情況下，我會深入學習。 一架直升飛機沒有爬到人工智能冰山的頂端，而是讓我從頂部掉下來。
在研究了一系列課程后，我列出了一些在Trello中最感興趣的課程。
我知道在線課程的輟學率很高。 我不會讓自己成為這個數字的一部分。 我有一個任務。
為了讓自己負起責任，我開始在線分享我的學習歷程。 我想我可以練習溝通我學到的東西，再找一些對我同樣感興趣的人。 當我繼續我的一次AI惡作劇時，我的朋友仍然認為我是一個外星人。
我公開了Trello董事會，寫了一篇關于我的努力的博客文章。
自從我第一次編寫課程以來，課程略有變化，但它仍然具有相關性，我每周多次訪問Trello董事會以跟蹤我的進度。
得到一份工作
我買了一張飛往美國的機票，沒有回程航班。我已經學習了一年，我認為這是我開始將我的技能付諸實踐的時候了。
我的計劃是向美國求助并獲得雇用。
然后Ashlee在LinkedIn上給我發消息，“嘿，我看過你的帖子，他們真的很酷，我想你應該見到邁克。”
我遇到了邁克。
我告訴他我在網上學習的故事，我如何喜歡健康科技和我去美國的計劃。
周四來了。我很緊張但有人曾經告訴我，緊張就像興奮一樣。我興奮地說。
我花了一天時間與Max Kelsen團隊會面以及他們正在努力解決的問題。
兩個星期四之后，尼克，首席執行官，Athon，首席機器學習工程師，我去喝咖啡。
“你想怎么加入這個團隊？”尼克問道。
“當然。”我說。
事實證明，我的美國航班被推遲了幾個月，現在我有了回程機票。
分享你的工作
在線學習，我知道這是非常規的。我申請的所有角色都有碩士學位要求或至少某種技術學位。
我沒有這些。但我確實擁有從大量在線課程中收集到的技能。
一路上，我在網上分享我的工作。我的GitHub包含了我所做的所有項目，我的LinkedIn已經堆積完畢，我實踐了我通過YouTube學習的內容以及關于Medium的文章。
我從未遞交過Max Kelsen的簡歷。 “我們在LinkedIn上檢查了你。”
我的工作是我的簡歷。
無論你是在線學習還是通過碩士學位學習，擁有你所從事的工作組合都是在游戲中塑造肌膚的好方法。
需要ML和AI技能，但這并不意味著你不必展示它們。即使是最好的產品也不會沒有任何貨架空間。
無論是GitHub，Kaggle，LinkedIn還是博客，都有人可以找到你的地方。此外，擁有自己的互聯網角落非常有趣。
你是怎么開始的？
你去哪里學習這些技能？哪些課程最好？
沒有最好的答案。每個人的道路都會有所不同。有些人通過書籍更好地學習，有些人通過視頻更好地學習。
什么比你如何開始更重要的是你為什么開始。
-
- 你為什么想學習這些技能？
- 你想賺錢嗎？
- 你想建造東西嗎？
- 你想要有所作為嗎？
再一次，沒有正確的理由。所有這些都以他們自己的方式有效。
從為什么開始，因為有一個為什么比如何更重要。擁有一個為什么意味著當它變得艱難并且會變得艱難時，你就有了一些可以轉向的東西。提醒你為什么開始的東西。
有個為什么？好。一些硬技能的時間。
我只能推薦我嘗試過的東西。
我已完成（按順序）課程：
- 樹屋 -? Python簡介
- Udacity? - 深度學習和AI Nanodegree
- Coursera? -? Andrew Ng的深度學習
- fast.ai? - 第1部分，很快將成為第2部分
他們都是世界級的。我是一個視覺學習者。我會更好地了解正在完成/向我解釋的事情。所以這些課程都反映了這一點。
如果你是一個絕對的初學者，請從一些入門的Python課程開始，當你更自信時，進入數據科學，機器學習和人工智能。
要具備多少數學知識？
我所擁有的最高水平的數學教育是在高中。其余的我通過可汗學院學到了，因為我需要它。
關于進入機器學習和人工智能需要了解多少數學，有很多不同的意見。我會分享我的。
如果您想將機器學習和AI技術應用于問題，您不一定需要深入了解數學才能獲得良好的結果。像TensorFlow和PyTorch這樣的庫允許具有一點Python經驗的人建立最先進的模型，同時在幕后處理數學。
如果您希望深入了解機器學習和人工智能研究，通過博士課程或類似的方式，深入了解數學是至關重要的。
就我而言，我不打算深入研究數學并將算法的性能提高10％。我會把它留給比我聰明的人。
相反，我非常樂意使用我可用的庫并操縱它們以幫助解決我認為合適的問題。
以下是ML工程師每天要問自己的一些問題。
- 上下文 - 如何使用ML來幫助您更多地了解您的問題？
- 數據 - 您需要更多數據嗎？它需要采用什么形式？當數據丟失時你會怎么做？
- 建模 - 您應該使用哪種型號？它對數據（過度擬合）有效嗎？或者為什么它不能很好地工作（不合適）？
- 生產 - 您如何將模型投入生產？它應該是在線模型還是應該按時間間隔更新？
- 正在進行 - 如果您的模型破裂會怎樣？如何通過更多數據改進它？有更好的做事方式嗎？
- 我從fast.ai的聯合創始人之一雷切爾托馬斯的一篇很棒的文章中借用了這些文章，她在全文中進行了更深入的研究。
沒有固定路徑
進入ML或AI沒有正確或錯誤的方法。
關于這個領域的美好之處在于我們可以訪問世界上一些最好的技術，我們所要做的就是學習如何使用它們。
- 您可以從學習Python代碼開始。
- 你可以從研究微積分和統計學開始。
- 您可以從了解決策哲學開始。
由于這個領域的交叉，機器學習和AI讓我著迷。
我越了解它，我就越意識到還有更多需要學習的東西。這讓我大吃一驚。
翰林AMC8視頻課重磅上線！
國際競賽真題資源免費領取
