机器学习：从入门到精通课程

柠檬学院大数据

　　近年来人们对机器学习的认识也越来越多，很多人都希望学习相关的知识。但机器学习不是一个容易学习的领域，需要选择适合自己难度的学习资料。这裡简单地将学习深度分為三个阶段，建议选择适合自己的难度。

　　初级阶段

　　了解。机器学习是什麼？了解机器学习的应用，并对机器学习有较為概念性的了解。适合非机器学习相关专业、希望对机器学习有大概了解的人群，比如產品经理。

　　中级阶段

　　应用。知道怎麼实现机器学习，能使用程式语言编写基础的机器学习算法，并对数学原理有初步理解。适合与机器学习相关，但是数理知识不足、或者只需掌握大概原理的人群，比如程式设计师。

　　高级阶段

　　学术。了解机器学习算法的原理，希望不止於掌握机器学习算法的原理、编写机器学习算法。适合相关专业的在校生，比如计算机系本科生、研究生。

　　初级阶段教程

　　先修知识

　　1-首先，英语能力非常重要，你需要起码有高中的英语水平，并且敢於应对英文资料，又不是不能学，又不是学不会。英语的重要性不用多说，就机器学习而言，2011年便开始流行起来，但是目前很多机器学习领域重要的书籍还没有中文翻译。网络上优秀的机器学习资源基本基於英语教学。但是对於英语真的不用怕，一遍看不会可以看多一遍，不认识的单词查词典就是。不用闭卷考试，随时都可以查词典。

　　2-能用Python编写简单的程序，相当於学习完Codecademy的Python教程，预计耗时13小时。或《笨方法学Python》前40章，耗时也不会很大。英文原版：LearnPythontheHardWay

　　3-非常基础的矩阵知识：可汗学院的课程，从矩阵简介学到矩阵乘法（二），大约耗时1小时。

　　选修资料

　　CommandLine，这个就是电影裡面那些（可能是）酷酷的人操作电脑的方式，把教程过一遍就可以。

　　学习资料

　　1-《从机器学习谈起》

　　非常不错的介绍。

　　2-机器学习基础：案例研究（MachineLearningFoundations:ACaseStudyApproach）

　　华盛顿大学的课程，两位教授的头衔是AmazonProfessorofMachineLearning。课程教学结构合理，每周课程分為概念、方法介绍和实际应用两个部分，学完基本的的概念和方法、就可以马上应用课程準备好的机器学习库体验一番。对於初学者来说非常有益。（果壳评分：8.1分）

　　中级阶段教程

　　先修知识

　　英语比之前有长进。

　　学习资料

　　A线路：MachineLearning

　　这门课程由由百度首席科学家，前GoogleBrain负责人之一AndrewNg（吴恩达）教授，不会涉及很深的数学，学习这门课程需要有高中知识预备。课程有中文字幕。（果壳评分：9.6分）

　　ADVERTISEMENT

　　B线路：机器学习专项课程（MachineLearningSpecialization）

　　如果你是从初级学习到此，可以尝试本系列课程。初级裡面的MachineLearningFoundations:ACaseStudyApproach就是本系列的第一门课程，是整个系列课程总概，从第二门课程开始，你将要自己编写机器学习算法。不过课程有著非常详细的教程引导，认真学习肯定可以通过课程，内容上会比A线路的详细。

　　选修资料

　　《集体智慧编程》（ProgrammingCollectiveIntelligence）

　　听说是一本不错的书，很多人推荐。

　　ADVERTISEMENT

　　高级阶段教程

　　先修知识

　　复习以下数学课程：

　　线性代数LinearAlgebraReviewandReference

　　机率论ProbabilityTheoryReview

　　有不会的可以去MITOCW补课。

　　编程方面，具体课程具体要求不同。通常使用的是MATLAB或Octave，Octave是一款和MATLAB类似的变成语言，但Octave免费开源。教程：MATLAB,Octave.当然也有些课程使用Python。另外一般需要有对算法的基本认识，可以学习王子屯私塾的算法课程:Algorithms,PartI，Algorithms,PartII或者直接看教材Algorithms，也可以学习MIT的《算法导论》。

　　学习资料

　　A线路：从数据中学习（LearningFromData）

　　加州理工学院原版课程，没有因為要适应大眾降低难度，不可多得的机器学习入门课程。教授為这门课程建立了一个网站，上面有关於课程的各种资料，还有讨论论坛，学习环境也不可多得。（果壳评分：8.5分）

　　B线路：

　　机器学习（MachineLearning），Stanford公开课

　　AndrewNg早些年在Stanford授课的录像，也是校园原版课程。

　　机器学习中使用的神经网络（NeuralNetworksforMachineLearning）

　　多伦多大学，Coursera

　　学习完上面其中一门，可以考虑学习神经网络，由深度学习的开山鼻祖GeoffreyHinton教授。（果壳评分：8.5分）

　　其他建议

　　学习建议

　　学习氛围对於学习来说非常的重要。有无一个班级、小组一起学习，最后收穫的差别可能会非常的大。在学校的学生他们有小组讨论，做小组project等等学习活动，在这些过程中，毫无疑问收穫是非常大的。所以建议即使是自学，也儘量加入一个学习小组一起学习，大家都一起学习交流，收穫定会更大。

　　查找学习资料的技巧

　　现在大学很多课程都有自己的课程网站，提供学习资料给学生下载，比如作业、习题、lecturenotes等，可以尝试去这些课程网站找找学习资料。比如Stanford的MachineLearning网站，打开HandoutsandMaterials,各种资料应有尽有。

　　其它相关领域的课程：

　　貌似由於数据科学是新出现的学科，现在还没有什麼好的课程。edX数据科学系列的课程由Columbia21名教授参与製作，我想应该不会差。