靈感來源于 谷歌面試學(xué)習(xí)手冊
- 原文地址:Machine Learning for Software Engineers
- 原文作者:ZuzooVn(Nam Vu)
- 翻譯:lsvih
這是?
這是本人為期數(shù)月的學(xué)習(xí)計劃。我正要從一名移動端軟件開發(fā)者(自學(xué),無計科文憑)轉(zhuǎn)型成為一名機器學(xué)習(xí)工程師。
我的主要目標是找到一種以實踐為主的學(xué)習(xí)方法,并為初學(xué)者抽象掉大多數(shù)的數(shù)學(xué)概念。
這種學(xué)習(xí)方法是非傳統(tǒng)的,因為它是專門為軟件工程師所設(shè)計的自上而下、以結(jié)果為導(dǎo)向的學(xué)習(xí)方法。
如果您想讓它更好的話,隨時歡迎您的貢獻。
目錄
- 這是?
- 為何要用到它?
- 如何使用它?
- Follow me
- 別認為自己不夠聰明
- 關(guān)于視頻資源
- 預(yù)備知識
- 每日計劃
- 動機
- 機器學(xué)習(xí)概論
- 掌握機器學(xué)習(xí)
- 有趣的機器學(xué)習(xí)
- 機器學(xué)習(xí)簡介
- 一本深入的機器學(xué)習(xí)指南
- 故事與經(jīng)驗
- 機器學(xué)習(xí)算法
- 入門書籍
- 實用書籍
- Kaggle知識競賽
- 系列視頻
- MOOC
- 資源
- 成為一名開源貢獻者
- 游戲
- 播客
- 社區(qū)
- 相關(guān)會議
- 面試問題
- 我崇拜的公司
為何要用到它?
我會為了我未來的工作————機器學(xué)習(xí)工程師 遵循這份計劃。自2011年以來,我一直進行著移動端應(yīng)用的開發(fā)(包括安卓、iOS與黑莓)。我有軟件工程的文憑,但沒有計算機科學(xué)的文憑。我僅僅在大學(xué)的時候?qū)W習(xí)過一點基礎(chǔ)科學(xué),包括微積分、線性代數(shù)、離散數(shù)學(xué)、概率論與統(tǒng)計。
我認真思考過我在機器學(xué)習(xí)方面的興趣:
-
我能在沒有計科碩士、博士文憑的情況下找到一份關(guān)于機器學(xué)習(xí)的工作嗎?
- "你當然可以,但是我想進入這個領(lǐng)域則無比艱難。" Drac Smith
-
我是一名軟件工程師,我自學(xué)了機器學(xué)習(xí),我如何在沒有相關(guān)經(jīng)驗的情況下找到一份關(guān)于機器學(xué)習(xí)的工作?
- "我正在為我的團隊招聘機器學(xué)習(xí)專家,但你的MOOC并不會給你帶來工作機會。事實上,大多數(shù)機器學(xué)習(xí)方向的碩士也并不會得到工作機會,因為他們(與大多數(shù)上過MOOC的人一樣)并沒有深入地去理解。他們都沒法幫助我的團隊解決問題。" Ross C. Taylor
- 找一份機器學(xué)習(xí)相關(guān)的工作需要掌握怎樣的技能?
我深陷困境。
據(jù)我所知, 機器學(xué)習(xí)有兩個方向:
- 實用機器學(xué)習(xí): 這個方向主要是查詢數(shù)據(jù)庫、數(shù)據(jù)清洗、寫腳本來轉(zhuǎn)化數(shù)據(jù),把算法和庫結(jié)合起來再加上一些定制化的代碼,從數(shù)據(jù)中擠出一些準確的答案來證明一些困難且模糊不清的問題。實際上它非常混亂。
- 理論機器學(xué)習(xí): 這個方向主要是關(guān)于數(shù)學(xué)、抽象、理想狀況、極限條件、典型例子以及一切可能的特征。這個方向十分的干凈、整潔,遠離混亂的現(xiàn)實。
我認為對于以實踐為主的人來說,做好的方法就是 “練習(xí)--學(xué)習(xí)--練習(xí)”,這意味著每個學(xué)生一開始就能參與一些現(xiàn)有項目與一些問題,并練習(xí)(解決)它們以熟悉傳統(tǒng)的方法是怎么做的。在有了一些簡單的練習(xí)經(jīng)驗之后,他們就可以開始鉆進書里去學(xué)習(xí)理論知識。這些理論知識將幫助他們在將來進行更進一步的訓(xùn)練,充實他們解決實際問題的工具箱。學(xué)習(xí)理論知識還會加深他們對那些簡單練習(xí)的理解,幫助他們更快地獲得進階的經(jīng)驗。
這是一個很長的計劃,它花去了我一年的時間。如果你已經(jīng)對它有所了解了,它將會讓你省去很多時間。
如何使用它?
以下的內(nèi)容全部是概要,你需要從上往下來解決這些項目。
我使用的是Github獨特的flavored markdown的任務(wù)列表來檢查我計劃的進展。
- [x] 創(chuàng)建一個新的分支,然后你可以這樣來標出你已經(jīng)完成的項目,只需要在框中填寫一個x即可:[x]
了解更多有關(guān) Github-flavored markdown的知識
Follow me
我是一名非常非常想去美國工作的越南軟件工程師。
我在這份計劃中花多少時間?在每天的艱辛工作完成后,每晚花4小時。
我已經(jīng)在實現(xiàn)夢想的旅途中了。
- Twitter: @Nam Vu
Nam Vu - Top-down learning path: machine learning for software engineers
|
---|
USA as heck |
別認為自己不夠聰明
當我打開書本,發(fā)現(xiàn)他們告訴我多元微積分、統(tǒng)計與推理、線性代數(shù)是學(xué)習(xí)機器學(xué)習(xí)的先決條件的時候,我非常沮喪。因為我不知道從哪兒開始…
關(guān)于視頻資源
部分視頻只有在Coursera、EdX的課程注冊了才能觀看。雖然它們是免費的,但有些時間段這些課程并不開放,你可能需要等上一段時間(可能是好幾個月)。我將會加上更多的公開的視頻源來代替這些在線課程的視頻。我很喜歡大學(xué)的講座。
預(yù)備知識
這個小章節(jié)是一些在每日計劃開始前我想去了解的一些預(yù)備知識與一些有趣的信息。
- [ ] Data Analytics,Data Analysis,數(shù)據(jù)挖掘,數(shù)據(jù)科學(xué),機器學(xué)習(xí),大數(shù)據(jù)的區(qū)別是什么?
- [ ] 學(xué)習(xí)如何去學(xué)習(xí)
- [ ] 不要斬斷鎖鏈
- [ ] 如何自學(xué)
每日計劃
每個主題都不需要用一整天來完全理解它們,你可以每天完成它們中的多個。
每天我都會從下面的列表中選一個出來,一遍又一遍的讀,做筆記,練習(xí),用Python或R語言實現(xiàn)它。
動機
- [ ] 夢
機器學(xué)習(xí)概論
- [ ] 形象的機器學(xué)習(xí)簡介
- [ ] 一份溫柔的機器學(xué)習(xí)指南
- [ ] 為開發(fā)者準備的機器學(xué)習(xí)簡介
- [ ] 菜鳥的機器學(xué)習(xí)基礎(chǔ)
- [ ] 你如何向非計算機專業(yè)的人來解釋機器學(xué)習(xí)與數(shù)據(jù)挖掘?
- [ ] 在罩子下的機器學(xué)習(xí),博文簡單明了地介紹了機器學(xué)習(xí)的原理
- [ ] 機器學(xué)習(xí)是什么?它是如何工作的呢?
- [ ] 深度學(xué)習(xí)——一份非技術(shù)性的簡介
掌握機器學(xué)習(xí)
- [ ] 掌握機器學(xué)習(xí)的方法
- [ ] 程序員的機器學(xué)習(xí)
- [ ] 掌握并運用機器學(xué)習(xí)
- [ ] Python機器學(xué)習(xí)小課程
- [ ] 機器學(xué)習(xí)算法小課程
有趣的機器學(xué)習(xí)
- [ ] 機器學(xué)習(xí)真有趣!
- [ ] Part 2: 使用機器學(xué)習(xí)來創(chuàng)造超級馬里奧的關(guān)卡
- [ ] Part 3: 深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)
- [ ] Part 4: 現(xiàn)代人臉識別與深度學(xué)習(xí)
- [ ] Part 5: 翻譯與深度學(xué)習(xí)和序列的魔力
- [ ] Part 6: 如何使用深度學(xué)習(xí)進行語音識別
- [ ] Part 7: 使用生成式對抗網(wǎng)絡(luò)創(chuàng)造 8 像素藝術(shù)
機器學(xué)習(xí)簡介(用手指沾上墨水來書寫機器學(xué)習(xí)簡介)
一本深入的機器學(xué)習(xí)指南
- [ ] 概述,目標,學(xué)習(xí)類型和算法
- [ ] 數(shù)據(jù)的選擇,準備與建模
- [ ] 模型的評估,驗證,復(fù)雜性與改進
- [ ] 模型性能與誤差分析
- [ ] 無監(jiān)督學(xué)習(xí),相關(guān)領(lǐng)域與實踐中的機器學(xué)習(xí)
故事與經(jīng)驗
- [ ] 一周的機器學(xué)習(xí)
- [ ] 一年的機器學(xué)習(xí)
- [ ] 我是如何在3天內(nèi)寫出我的第一個機器學(xué)習(xí)程序的
- [ ] 學(xué)習(xí)路徑:你成為機器學(xué)習(xí)專家的導(dǎo)師
- [ ] 不是PhD你也可以成為機器學(xué)習(xí)的搖滾明星
- [ ] 如何6個月成為一名數(shù)據(jù)科學(xué)家:一名黑客的職業(yè)規(guī)劃
- [ ] 5個你成為機器學(xué)習(xí)工程師必須要掌握的技能
- [ ] 你是一個自學(xué)成才的機器學(xué)習(xí)工程師嗎?你是怎么做的?花了多長時間?
- [ ] 一個人如何成為一名優(yōu)秀的機器學(xué)習(xí)工程師?
- [ ] 一個專注于機器學(xué)習(xí)的學(xué)術(shù)假期
機器學(xué)習(xí)算法
- [ ] 用“士兵”來表示10種機器學(xué)習(xí)算法
- [ ] Top10的數(shù)據(jù)挖掘算法
- [ ] 介紹10種機器學(xué)習(xí)的術(shù)語
- [ ] 機器學(xué)習(xí)算法之旅
- [ ] 機器學(xué)習(xí)工程師需要知道的10種算法
- [ ] 比較監(jiān)督學(xué)習(xí)算法
- 收集的最簡化、可執(zhí)行的機器學(xué)習(xí)算法
入門書籍
- [ ] 《Data Smart: Using Data Science to Transform Information into Insight》第 1 版
- [ ] 《Data Science for Business: What you need to know about data mining and data analytic-thinking》
- [ ] 《Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die》
實用書籍
- [ ] Hacker 的機器學(xué)習(xí)
- [ ] Python 機器學(xué)習(xí)
- [ ] 集體智慧編程: 創(chuàng)建智能 Web 2.0 應(yīng)用
- [ ] 機器學(xué)習(xí): 算法視角,第二版
- [ ] Python 機器學(xué)習(xí)簡介: 數(shù)據(jù)科學(xué)家指南
- [ ] 數(shù)據(jù)挖掘: 機器學(xué)習(xí)工具與技術(shù)實踐,第 3 版
- Teaching material
- [ ] Machine Learning in Action
- [ ] Reactive Machine Learning Systems(MEAP)
- [ ] An Introduction to Statistical Learning
- [ ] 使用 Python 構(gòu)建機器學(xué)習(xí)系統(tǒng)
- [ ] 學(xué)習(xí) scikit-learn: 用 Python 進行機器學(xué)習(xí)
- [ ] Probabilistic Programming & Bayesian Methods for Hackers
- [ ] Probabilistic Graphical Models: Principles and Techniques
- [ ] Machine Learning: Hands-On for Developers and Technical Professionals
- [ ] 從數(shù)據(jù)中學(xué)習(xí)
- [ ] 強化學(xué)習(xí)——簡介(第 2 版)
- [ ] 使用TensorFlow(MEAP)進行機器學(xué)習(xí)
Kaggle知識競賽
系列視頻
- [ ] Machine Learning for Hackers
- [ ] Fresh Machine Learning
- [ ] Josh Gordon 的機器學(xué)習(xí)菜譜
- [ ] 在 30 分鐘以內(nèi)了解機器學(xué)習(xí)的一切
- [ ] 一份友好的機器學(xué)習(xí)簡介
- [ ] Nuts and Bolts of Applying Deep Learning - Andrew Ng
- [ ] BigML Webinar
- [ ] mathematicalmonk's Machine Learning tutorials
- [ ] Machine learning in Python with scikit-learn
- [ ] 播放清單 - YouTuBe 上最熱門的機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)視頻
- [ ] 16 個必看的機器學(xué)習(xí)教程
- [ ] DeepLearning.TV
- [ ] Learning To See
- [ ] 神經(jīng)網(wǎng)絡(luò)課程 - Université de Sherbrooke
- [ ] 2016年的21個深度學(xué)習(xí)視頻課程
- [ ] 2016年的30個頂級的機器學(xué)習(xí)與人工智能視頻教程 Top Videos, Tutorials & Courses on Machine Learning & Artificial Intelligence from 2016
- [ ] 程序員的深度學(xué)習(xí)實戰(zhàn)
MOOC
- [ ] edX 的人工智能導(dǎo)論
- [ ] Udacity的機器學(xué)習(xí)導(dǎo)論
- [ ] Udacity的監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)及深入
- [ ] Machine Learning Foundations: A Case Study Approach
- [ ] Coursera的機器學(xué)習(xí)
- [ ] 機器學(xué)習(xí)提純
- [ ] BigML training
- [ ] Coursera的神經(jīng)網(wǎng)絡(luò)課程
- 由Geoffrey Hinton(神經(jīng)網(wǎng)絡(luò)的先驅(qū))執(zhí)教
- [ ] 使用TensorFlow創(chuàng)建深度學(xué)習(xí)應(yīng)用
- [ ] 描述統(tǒng)計學(xué)概論
- [ ] 推理統(tǒng)計學(xué)概論
- [ ] 6.S094: 自動駕駛的深度學(xué)習(xí)
- [ ] 6.S191: 深度學(xué)習(xí)簡介
- [ ] Coursera 深度學(xué)習(xí)教程
資源
- [ ] 一個月學(xué)會機器學(xué)習(xí)
- [ ] 一份“非技術(shù)性”的機器學(xué)習(xí)與人工智能指南
- [ ] Google機器學(xué)習(xí)工程師最佳實踐教程
- [ ] Hacker News的《軟件工程師的機器學(xué)習(xí)》
- [ ] 開發(fā)者的機器學(xué)習(xí)
- [ ] 為人類????準備的機器學(xué)習(xí)
- [ ] 給開發(fā)者的關(guān)于機器學(xué)習(xí)的建議
- [ ] 機器學(xué)習(xí)入門
- [ ] 為新手準備的機器學(xué)習(xí)入門教程
- [ ] 初學(xué)者如何自學(xué)機器學(xué)習(xí)
- [ ] 機器學(xué)習(xí)自學(xué)資源
- [ ] 提升你的機器學(xué)習(xí)技能
- [ ] 一份'坦誠'的機器學(xué)習(xí)指南
- [ ] 用機器學(xué)習(xí)讓Hacker News更具可讀性
- [ ] 深入機器學(xué)習(xí)
- [ ] 軟件工程師的{機器、深度}學(xué)習(xí)
- [ ] 深度學(xué)習(xí)入門
- [ ] 深度學(xué)習(xí)基礎(chǔ)
- [ ] 機器學(xué)習(xí)思維導(dǎo)圖/小抄
- 大學(xué)中的機器學(xué)習(xí)課程
- [ ] 斯坦福
- [ ] 機器學(xué)習(xí)夏令營
- [ ] 牛津
- [ ] 劍橋
- Flipboard的主題
- Medium的主題
- 每月文章Top10
- 全面的數(shù)據(jù)科學(xué)家的資源
- DigitalMind的人工智能資源
- 令人驚嘆的機器學(xué)習(xí)
- CreativeAi的機器學(xué)習(xí)
成為一名開源貢獻者
- [ ] tensorflow/magenta: Magenta: 用機器智能生成音樂與藝術(shù)
- [ ] tensorflow/tensorflow: 使用數(shù)據(jù)流圖進行計算進行可擴展的機器學(xué)習(xí)
- [ ] cmusatyalab/openface: 使用深層神經(jīng)網(wǎng)絡(luò)進行面部識別
- [ ] tensorflow/models/syntaxnet: 神經(jīng)網(wǎng)絡(luò)模型語法
游戲
- Halite:AI編程游戲
- Vindinium: 挑戰(zhàn)AI編程
- Video Game AI比賽
- 憤怒的小鳥AI比賽
- The AI Games
- Fighting Game AI Competition
- CodeCup
- 星際爭霸AI學(xué)生錦標賽
- AIIDE星際爭霸AI競賽
- CIG星際爭霸AI競賽
- CodinGame - AI Bot Games
播客
-
適合初學(xué)者的播客:
-
“更多”進階的播客:
-
盒子外的播客:
社區(qū)
-
Quora
-
Reddit
相關(guān)會議
面試問題
- [ ] 如何準備機器學(xué)習(xí)職位的面試
- [ ] 40個機器學(xué)習(xí)與數(shù)據(jù)科學(xué)的面試問題
- [ ] 21個必須要知道的數(shù)據(jù)科學(xué)問題與回答
- [ ] Top 50 機器學(xué)習(xí)面試問題與回答
- [ ] 機器學(xué)習(xí)面試問題
- [ ] 常用的機器學(xué)習(xí)面試問題
- [ ] 機器學(xué)習(xí)面試問題有哪些相同的?
- [ ] 什么是評價一個機器學(xué)習(xí)研究者的最好的問題?
- [ ] 機器學(xué)習(xí)面試問題大搜集
- [ ] 121個需要掌握的問題與回答
我崇拜的公司
- [ ] ELSA - 你虛擬的口語教練