機器學習和深度學習入門總結

本菜鳥入門機器學習也有一段時間了，有那么一丟丟的感悟，在這里做一點總結。介紹一下機器學習理論和實踐的學習心得。

相關教材

數學基礎

高數、線性代數這就沒啥好說的，就是大學工科的必修科目。

統計機器學習

李航的藍皮書和周志華的西瓜書可以說是國內的比較經典的教材，這兩位也是國內人工智能領域的領軍人物。

深度學習

強烈推薦花書，這可以說是深度學習方面的權威教材。除此以外還有吳恩達的講義和教學視頻，網上都可以找到。

小白入門教材

前面推薦的書籍，雖然算得上入門教材，但可能對於小白來說，不是很容易接受。這里推薦深度學習入門：基於Python的理論與實現和機器學習實戰這兩本書，講的通俗易懂，容易上手。

進階教材

PRML和MLAPP這兩本書屬於神書級別的，誰看誰知道。

補充資料

直接在github上搜索機器學習或深度學習關鍵詞，就可以找到很多高星項目，我就不一一列舉了。

實踐部分

1. 編程語言推薦python，簡單容易上手。現在官方文檔還推出了中文：https://docs.python.org/zh-cn/3/
2. 機器學習方面，python中有三個很重要的包：numpy、pandas、matplot。具體的使用方法請查閱相應的官方文檔：https://www.numpy.org/devdocs/
   https://pandas.pydata.org/pandas-docs/stable/ https://matplotlib.org/index.html
   這三個包暫時沒有官方中文，但是有一些民間的漢化版本，大家可以自行百度。
3. sklearn，這個包集成幾乎所有統計機器學習的API，是一個很重要的工具包。官方網站：http://scikit-learn.github.io/stable
4. pytorch，一個深度學習的框架，當然現在深度學習的框架很多，例如：tensorflow、keras等。但是pytorch是比較容易上手的。官方地址：https://pytorch.org/
5. 還有一些包是根據具體的任務來使用的，例如做nlp常需要用到nltk、jieba等包，這種情況我就不細講了。

論文

教材上的東西都比較滯后，學術前沿還是在論文上，機器學習這一塊更新換代的特別快，大家還是得多讀一讀最新的論文，才能了解到最新的算法和模型。

感悟

做機器學習，很多時候就是在調包和調參，雖然我們這樣吐槽，但實際上很多人連調包都不會。使用這些包，需要我們花費大量的時間來閱讀文檔、熟悉API參數，這樣才能寫出比較好的程序。除此以外，我們還需要多閱讀論文，從而進行一點模型上的創新。