最值得收藏的机器学习入门方式，今天统统分享给你

原标题 HOW TO GET STARTED WITH MACHINE LEARNING!

翻译 | 杨惠淳 字幕 | 凡河

一说至机器学习，我被问得最多的问题是：给这些开始学习机器学习的人的最好的建议是哪些？

其实说句实话，我并不知道如何回答这个问题。每一个学习者都是独一无二的个体，有自己的学习需求跟目的。我所能做的，就是分享一下当时我开始学习机器学习的时侯，对我很有用的办法。

我是怎么开始接触机器学习的

让时间回到2017年，我看见了SethBling实现机器学习来玩游戏的一个小演示。

Sethbling-Marl/O-Machine Learing for Video Games

这个小机器人有了自主学习的能力，甚至可以一次又一次地玩马里奥游戏，当时我就轰动了。在那之后，我看见了别的使用血管网路的机器人，被适于各类不同的游戏——

Ding Nicolas-A genetic algorithm learns how to fight!

从 Caryhk 传统的机器学习项目

carykh-Neural Networks and Unwanted Pregnancies in Evolv.io!

到星际机器学习项目——

Youtube Uploaded-AI SC2 FirstSteps

有些人还做了关于侃爷 Rap 的 LSTM 项目

Rabboie Barrat-Neural Network Generated Rap, V2

还有Dota2的Open AI

Dota 2 Dendi vs OpenAI(Bot)-1v1-T17

sentdex 制作的 GTA

sentdex-Stream, FPV, and more dada-Python plays GTA P.15

我知道我应当要去学机器学习，这玩意简直很酷了。

我安装了TensorFlow，从syntax上下载了些代码，但是完全不知道代码里是如何一回事，神经网路的确成功地使用大量的数据集，训练了模型，但我对代码所做的每一次更改就会报错，部分是因为 Python的句型我之前完全没接触过，更为重要的是，我完全不知道该如何写血管网路。

我先是迅速Google了一下“怎样写一个血管网路？”，我发觉了一个由完全听不同的英语跟符号组成的庞然大物，对我而言看上去如同是外星语，那时我感觉到了强烈的挫败感机器学习方法，但我不达目的誓不罢休。就在当时我接触至了Coursera上吴恩达的机器学习课程，我的天，那个课程同样只是外星语，我还能完成前几章课程完全没有问题，但那以后，吴恩达又开始讲外星语了。

我是怎样坚持下来的

同志们，如果象我这么开始机器学习旅程，毫无疑问你会见到一次很大的单词冲击。相信我，你大多数的烦恼是因为难以理解提到的词汇所导致的。当我意识到这个以后，我改变了我学习方法，转而去学习这个庞大的外星语。在我学习的过程中，有很多术语跟符号会反复出现：向量，矩阵，激活函数传播，机器学习等等。我在“向量”这个概念上花了一段时间，感谢 unity3D，每当我认为理解了机器学习中的一些概念，比如矩阵乘法，我就会回到我最喜欢的机器学习资源，去瞧瞧他们对于我来说，是不是显得容易理解了。我挺惊诧突然之间，我还能稍为更好地理解这门外星语了。

每当有概念颇有头绪使我止步不前，我就会把它们单独拿出来，举个实例，当我遇见sigmoid或则其他的激活函数，我都会列举一堆困惑我的问题，然后一个个单独查找。

说到这，我十分推荐可汗学院.com。这里有所有在你写自己的机器学习算法所要用到的。我在这里列举了一些你还要去学习的很重要的英语课供你参考，对我个人而言，帮助巨大。

我个人很喜欢的学习资源：

Activation Functions - Luis Serrano's Neural Network Series (REALLY GOOD) - Giant_Neural_Network's Neural Network Series (REALLY GOOD) - Macheads101's Neural Network series - 3Blue1Brown's Neural Network Series - Hugo's Neural Network Series - James Mccaffrey Talk (A BIT OUTDATED INFORMATION BUT STILL A FUN ONE)-

一些很重要的英语课

Vectors (explained with Linear Algebra): Vectors (explained with PreCal): Matrices: Sequences: Derivative Rules: h

一些可能会帮助至你的英语课

Algebra Functions: Quadratics: Irrational: Analyzing Categorical Data:

我的建议

（1）更好地理解伪代码

我认为学习怎么写机器学习算法最好的方式，就是去更好地理解伪代码。我们要理解怎样去估算他们，还有各类不同的才能互相转化的指数。在我的经验里，大多数状况下，伪代码是非常清晰的。但若果不是的话，可能是因为在外星语中出现的很经常了。

学习如何将伪代码转化成你最喜欢的编程语言，其实是最重要的事。其实没有一个一码通吃的血管网路，实际上当你从不同的同学那边学习如何写血管网路的时侯，请一定要留意，他们不会总是使用同样数目的键入，隐藏层节点，激活函数，可能连术语都不一样，有些同学可能会把偏压说成另一个词，这就是伪代码这么重要的诱因。

（2）前馈神经网络实例

除了之前所说的我能给你最好的建议，就是用一个简略的前馈神经网络实例来开始你的学习，这有一个挺好的事例——做一个文字色调预测器，当你提供给它，红，绿，蓝值作为键入的时侯，尝试去训练它做出，在此之上应当使用黑色字还是黑色字，让它才能可以被认下来的预测。我认为这是个挺好的有很简单的项目，值得认真研究借此来学习机器学习的基础。

（3）立刻开始着手

建议你从最开始就着手写你的血管网路，我指的是你学习的第一天，就在这个视频结束的时侯，立刻打开你的IDE。纸上得来终觉浅，绝知此事要躬行。尽管理论上晓得，如何写血管网路太酷，但实际去写一个血管网路是完全不同的。

当你开始去写一个血管网路的时侯，你会卡住，然后你就有了第一个还要去找的问题，尝试去解决它，如此往复，直到你成功。我非常希望，从最一开始我就晓得这个建议，这可能会提高我大部分学习的时间。

（4）站在巨人的右臂上

如果你真的想要就能挺好地写出机器学习算法，你须要借助别人的研究跟代码，因为事实上这当然还是一个刚起步的领域，每周还会有新的东西诞生。

最后一个我想给大家的重要建议是，其实你也可以不象我之前说的这样做，形象点来说，机器学习就好似笔记本一样。如果你真的想要一台笔记本，你可以从头装配一台，或者你也可以直接买一台整机机器学习方法，这两件事最后的结果是一样的。我个人想要去学习怎么从头建构血管网路由于，我是个控制欲太强的疯子。

有很多例如，TensorFlow，PyTorch，Theano，Keras，和其他的机器学习框架，他们就好似是一台装好的笔记本，你可以直接开始看教程，开始学习如何去使用他们，你不需要关心这些，诸如行列式，矩阵加法，激活函数这种概念，这些机器学习框架早已把大多数复杂的事情做好了，不过显而易见的，以此为代价的就是，当网路内部出现问题，或者运行不正确时，找出那里出现问题，会是件太困难的事，这都取决于你想要哪些

不管怎么样，请一定要记得满足你的好奇心，在机器学习的公路上走得越来越远。

视频旧址

雷锋网雷锋网雷锋网

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-134958-1.html