前言
教师节到了，首先感激我的所有老师们， 对我的成长，这些老师们都是贵人。 部分老师更是恩人， 尤其小学数学老师， 中学英语老师， 高中数学老师，物理老师、历史老师、生物老师， 大学数据库老师、电子电路老师， 研究生导师和师兄师姐们，日本导师和师兄们，和美国的导师。 祝天下所有老师，教师节快乐， 感恩！希望我们的政府，继续提高广大教师待遇 ~~~
在“Lasso简史”，我们简述了Lasso发展史； 在“机器学习背后的男人们”，列出了机器学习做出巨大贡献的男人们（有对于slides）；在“易图秒懂の机器学习诞生 奠基篇”，探讨了统计对机器学习的改造；在“易图秒懂の机器学习诞生 发展篇”， 探讨了集成学习和概率图模型对机器学习壮大的贡献。
如何入门机器学习？
一般来说， 本人在思考如何了解一个人机器学习水平的时候， 把对方分成3个层次：
对方和国内外的国际上一流的学者，有长期的合作，有往来。 所以这种情况， 这些人肯定自己也有一些突出的成果，可以吸引到巨擘们一起思想交流，相互探讨学习。 那么对方，不仅仅了解巨擘成果，思路历程，还了解对方当前没有发表的研究。 总之，对方必然有高人一等的见识， 也有很多原创。
对方熟知国际上一流学者的成果和思路历程，尤其一些处于上升期的学者，未来的巨擘们的成果。那么必然对机器学习这个领域有着强烈的热情。 唯有热情，也只有热情， 事情才可以慢慢做好。 对各大实验室， 各大大牛的成果如数家珍， 也必然要在这个方向上长期积累， 可以信手拈来的去尝试新思想新成果。
对方了解成名巨擘们的成果。 譬如Vapnik，Jordan， Hinton等等。 对方， 除了对于算法的应用，可以结合具体应用修改，改进原来算法的程度。
当然这个只是本人一家言的看法， 本着原创 》首用 》 改进 的思路。 所以不管是哪个方面，牛人总是对机器学习历史人物的思路历程有着深刻认知。
所以，直接认知这些机器学习的历史人物，的确是入门机器学习最快的方法。而这里提供了最全的机器学习经典人物的关系图（文末 “阅读原文” 下载PDF），所以是极好的机器学习入门材料。 我想这也是周志华老师，在西瓜书里面的经典人物篇外话的本意。
上面这些错综复杂的关系图谱， 是对这些机器学习的巨擘和他们对应的成果进行了列举，并且将他们之间的关系和传承进行了说明。 牛顿说过， 站在巨人的肩膀上。 从这个关系图谱里面， 你可以找到， 这些机器学习的牛人是在哪些巨人的肩膀上。
小结：
人工智能部分的巨擘的人物关系图谱，在下次分享给大家。 请大家到“阅读原文” 下载PDF (密码: AI2ML)。
相关话题：
网友评论