【重要通知：10月18 日世界人工智能大会现场一律凭活动行二维码入场，上午主论坛于08:30 正式开始，现场座位紧张，请提前签到入场。另外，不接受现金购票，分论坛票只有下午可以入场】活动行浏览已经超过 7 万，还有一些已购票付款的公司和机构未换二维码。活动行在大会现场设有咨询席位，但提前换二维码节省签到时间。请团购注册的公司关注，务必提醒参会的同事们手机接收二维码，如果不清晰可以打印出来，现场在签到处换领大会嘉宾胸卡。

　　大会地点：国家会议中心（C4 入口）

　　会议签到：上午主论坛 07:30-08:30，下午分论坛 13:00-14:00

　　会议时间：上午主论坛 08:30-12:00，下午分论坛 14:00-18:00

　　【关注世界人工智能大会的好友们，福利来了！】爱奇艺科技频道提供周二上午主论坛的直播（H5地址，各端都可以看）：

　　无法亲临现场的好友们欢迎收藏！

　　【新智元导读】作者在本文提出一种5步入门并应用机器学习的方法。它不是传统的方法。传统的机器学习方法提倡从下往上学，先从理论和数学开始，然后是算法实现，最后让你去解决现实世界的问题。

　　作者提倡的掌握机器学习的方法与传统方法相反，是从最有价值的成果部分开始。

　　目标是得到有商业价值的成果：怎样得出结果。

　　这个结果以一系列预测或能进行可靠预测的模型的方式呈现。

　　这是一种从上往下的、结果优先的方法。

　　在商业社会，开始时就有要得到结果的目标是最重要的，那么，怎样才能得到结果？

　　我们总结了5个步骤：

　　· 第1步：调整心态 (要有信心！).

　　· 第2步：选择程序

　　· 第3步：选择工具

　　· 第4步：用数据集练习

　　· 第5步：做一个作品集

　　就这么简单！

　　下图是这个过程的图示，为了简便省略了第1步和第5步。

　　下面是这个过程的详细解释。

　　第0步：了解机器学习基本概念

　　开始学习之前，你需要了解机器学习的一些基本概念和大事件。可以问自己一些问题，并尝试回答。

　　例如：

　　· 你应该了解机器学习是什么，并能够向同事解释。

　　· 你应该了解机器学习的一些经典案例。

　　· 你应该知道机器学习对某些复杂问题来说是唯一的解决办法。

　　· 你应该知道预测建模是应用机器学习最有效的部分。

　　· 你应该知道机器学习怎样应用于AI以及数据科学。

　　· 你应该了解可得到的机器学习算法有哪些类型。

　　· 你应该了解一些机器学习的基本术语。

　　第1步：调整心态

　　机器学习不是教授的专利，也不是只为天才和学术研究者所专有的。

　　你得有信心！

　　你一定能学会机器学习，并且利用它解决问题。

　　有什么理由做不到呢？

　　· 你不需要写代码

　　· 不需要掌握很多数学知识

　　· 不需要高等学历

　　· 不需要大数据

　　· 不需要超级计算机

　　· 也不需要花很多时间

　　真的，j2直播，让你止步不前、甚至无法开始的原因只有一个，就是你自己。

　　· 也许你只是找不到动力。

　　· 也许你想必须备齐所有工具才开始。

　　· 也许你一直挑高深的问题做，而不是从初级问题开始。

　　· 也许你在使用工具和库时缺乏系统的过程。

　　· 也许你没有好好利用工具和库。

　　这些想法让你无法开始。下面这篇文章可能对你有帮助：

　　What isHolding you Back From Your Machine Learning Goals?

　　解决这些问题的方法很多，你要发现它们、消除它们，然后继续前进。

　　为什么学机器学习？

　　当你认识到你可以学机器学习，你还要明白为什么学它。

　　· 也许你对学习更多机器学习算法感兴趣。

　　· 也许你对创建预测感兴趣。

　　· 也许你对解决复杂问题感兴趣。

　　· 也许你对开发更智能的软件感兴趣。

　　· 也许你甚至想成为一名数据科学家。

　　仔细思考这个问题，明白自己为什么想学习机器学习。

　　下面这篇文章可能对你有帮助：

　　找到了“为什么”后，你还要找到你的根据地。

　　下面这些分类，你属于哪种呢？

　　· 兴趣广泛的生意人

　　· 正在做项目的负责人

　　· 机器学习专业的学生

　　· 机器学习研究人员

　　· 正在处理棘手难题的研究者

　　· 想实现算法

　　· 需要一次性预测

　　· 需要可以利用的模型

　　· 数据科学家

　　· 数据分析师

　　不同的人有不同的兴趣点，因此会从不同的方向开始机器学习。

　　不是所有书籍或材料都适合你，知道你属于哪种人，然后再找适合自己的资料。

　　下面这篇文章可能对你有帮助：

　　第2步：选择程序

　　你想在一个接一个的问题中得出高于平均水平的结果吗？

　　那么你需要按照系统的程序来。

　　· 好的程序能让你利用和重复利用最好的练习

　　· 意味着你不必依赖记忆或直觉

　　· 引导你做完一个项目

　　· 让你总是明白下一步该做什么

　　· 还可以针对你的特殊问题类型和工具进行调整

　　我推荐的程序如下：

　　· Step 1: 确定问题

　　· Step 2: 准备数据

　　· Step 3: 抽样检查算法

　　· Step 4: 改善结果

　　· Step 5: 呈现结果

　　你可以不按这个步骤来，但在处理预测建模问题时最好要有系统性的程序。下面这篇文章可能对你有帮助：

　　第3步：选择工具

　　选择一个能实现机器学习结果的最佳工具，并学习怎样最高效地使用工具。

　　我最推荐的工具是以下三个：

　　· WekaMachine Learning Workbench (适合初学者).Weka提供GUI界面，而且不需要自己写代码，可以用于快速一次性的建模问题。