模式识别与智能系统专业的小硕一枚。作为一枚从零开始，在机器学习领域摸爬滚打的妹子，为了成为机器学习算法工程师，开启了为期半年的疯狂学习模式。将学习过程中的一些要点写在小师妹的机器学习入门笔记里。

1 我的机器学习之路

很多人一开始就看李航的《统计学习方法》，但很快就会被满篇幅的数学式子吓退，但这本是机器学习经典的一本读物，我是拿它在进阶前补充理论知识的。台湾大学林轩田老师的机器学习基石和机器学习技法，也是非常棒的教程。我接触机器学习，就是从机器学习基石开始的，但这个课程适合稍微有点基础的人学习，从原理去认识算法。所以我看了两遍课程，才稍微对机器学习有了一定认识。

八月中旬开始，我决定从头理一遍机器学习的基础，于是选择了Coursera上吴恩达的machine learning课程。对于我这样一个讨厌数学式子的妹子来说，这门课用来入门再好不过了。整个课程分为11周，介绍了机器学习中基础的算法和一些简单的应用。我用了3周时间刷完了这门课，并做完了所有的Matlab编程练习，还逼着自己亲手推了一次神经网络BP算法。这门课非常适合初学者，强烈推荐。

最近打算将这门课一些我觉得比较重要的基本理论整理在这里，温故而知新。

2 机器学习需要的理论知识

• 高等数学
• 概率论
• 矩阵轮
• 编程语言，Python或者Matlab用来做实验

这些知识是让自己能更好的理解机器学习的必备知识。小师妹的数学基础很一般，C++，Python，Matlab都会一点点，然而没有一门用的非常精。于是最近又在同步补编程的知识。作为一个明年就要找工作的小白，距离机器学习工程师还有很长的路要走。