2018-11-28

第一课：为什么要学习原理和公式推导

• 结论：机器学习的原理和数学推导一定要学！
  • 功利层面
    • 老板会问
    • 面试会考
    • 同事会质疑
  • 实用层面
    • 可以优化模型
    • 可以针对实际问题定向建模，而不只是会调参数
    • 真正创造价值的人，从来都是解决问题的人

第二课：学习机器学习原理，改变看待世界的方式

• 追本溯源人工智能
  • 深度学习，早年是从属于机器学习的神经网络
• 精进看待世界的方法：
  • 深度学习与机器学习具有传承的关系
  • 统计学可以让我们从一个新的角度来看待世界万物

机器学习，有可能为我们打开一扇窗，让我们从新的角度看待世界，并为日常的思考过程提供更加可量化的方法。

第三课：如何学习机器学习

核心是：以模型为驱动，了解“机器学习”的本质。

方法如下：

• 反复学习，从记忆到掌握。（我的理解，这就是一个刻意练习的过程，一定要坚持下来）
• 数学需要学多深：掌握高等数据的基本知识
  • 可以有两条路径反刍数学知识
  • 制定知识速查手册
• 日常学习的小建议：
  • 类比关联
  • 记录：好记性不如烂笔头
  • 分享：其实就是输出，输出的过程，知识会在脑海中越来越清晰，也会带来更多的思考

第四课：为什么要学习Python以及如何学Python

• 学了模型 ，还需要学习编程（肯定答案）
  • 因为很多原理的细节，经常会以代码的形式出现，就算仅仅是为了理解，也得能读懂代码。
  • 想要真正理解原理，必须得动手实践，只有亲自动手编码了，那些函数和公式才会留在你的脑中。
• 学哪种编程语言呢？
  • Python，那为什么是Python呢？
    • 简洁易懂
    • 大量机器学习支持库
• 怎么学Python
  • 看书
  • 按如下建议流程：
    • 安装Python3
    • 编写Hello World，并尝试不同的运行方法
    • 编写一个或多个复杂点的程序：搞清楚变量、函数、参数、返回值、调用、递归；学会流程控制：顺序，条件，循环
    • 编写程序练习文件读写，文件和目录操作
    • 开始写第一个机器学习程序：利用numpy和sklearn
    • 设置一个实际问题，并准备数据，修改上一步的程序，用自己的数据训练并测试模型
    • 逐行解读上一步中调用的sklearn函数的实现代码，结合该模型的原理，对比印证，彻底搞懂一个算法的实现细则。
    • 不依赖sklearn，自己动手实现一个训练LR模型的算法。（目前感觉有难度）。