翻译校对|Mirra 吴蕾寒小阳

◆◆ ◆

这是什么

　　作者受 Google Interview University 启发而写了这个教程。

　　作为一名移动开发人员，这是我做的向机器学习工程师转型的学习计划，需要花费几个月时间去完成。我的主要目的是要找到合适的学习方法，以及适合于初学者入门的的数学知识摘要和一些实践类的指导。这并非常规途径，而是自上而下的，专注于结果的方法，专为软件工程师而设计的。

　　如果你有任何建议，请不吝指出，使之更趋完善。

　　先花几分钟看看目录，再继续往下读：

　　因本文中有大量的课程链接，不方便呈现，因此，有兴趣者可以戳下方阅读原文，根据原文查找相关内容，获取学习计划checklist

◆ ◆ ◆

目录

　　· 这是什么？

　　· 为什么要用此方法？

　　· 如何运用？

　　· 跟我来

　　· 不要觉得自己不够聪明

　　· 关于视频资源

　　· 预备知识

　　· 每日计划

　　· 激励

　　· 机器学习概述

　　· 精通机器学习

　　· 机器学习的乐趣

　　· 机器学习：深度非技术指南

　　· 典故和经验

　　· 初学者丛书

　　· 实用丛书

　　· Kaggle知识竞赛

　　· 视频

　　· 慕课

　　· 成为Open Source贡献者

　　· 社区

　　· 我所仰慕的公司

◆ ◆ ◆

为什么要用此方法？

　　我准备按照这个学习计划，为我未来的工作去做些准备。从2011年开始，我就一直在做移动应用开发（Adroid/iOS/Blackberry）。我大学学的是软件工程专业，并非计算机科学，学过一些基础课程：微积分，线性代数，离散数学，概率和统计等。我对机器学习的兴趣在以下方面：

没有计算机科学硕士或博士的学位，我能在机器学习领域学习并且找到一份工作么？

可以的，不过还是比真正进入到这个领域后的难度要高。

作为一个自学过机器学习的课程软件工程师，却没有在工作中实践过，如何找到一份机器学习相关的工作呢？

我正在为我的团队寻找机器学习专家，不过你的慕课学习没法给你送去一份工作（后面有一些好消息）。事实上，很多机器学习专业的硕士也找不到相关工作，因为他们对此没有深入理解，无法帮我解决问题。

找一份机器学习的工作，究竟需要什么技能？

首先，你必须拥有良好的计算机科学/数学背景。机器学习是个很先进的学科，所以大多数教科书都是基于你已经有了这方面的基础而编写的。其次，机器学习是个通用的课程，里面有细分了很多不同方向的专业，需要有专业技术知识。你可以去浏览一下MS program的机器学习方面课程和教科书。

统计，概率，分布式计算。

　　我感觉这对我有难度。

　　就我所知，机器学习有两方面:

　　· 机器学习实践：主要是数据库查询，数据清理，j2直播，写一些脚本来转换数据，把算法和library并起来，通过自定义代码，从定义不清晰的很难的问题里面最终挤出一些可靠的答案。这就是混乱的实际情况。

　　· 机器学习理论：这是关于理想状态下的研究，也就是说研究数学的，抽象的，理想情况下的，有限制的，美好的，可能的情况。这是完全排除了混乱的实际情况之后，非常干净的理想状态。

　　我觉得，关于以实用为导向的最好学习方法，莫过于“实践-学习-实践”，就是说，学生在项目中遇到了实际问题，先熟悉一下这个领域的传统方法。在练习了一段时间有了基本经验后，他们可以看书学习这方面的理论，来指导未来的进阶练习，提升解决实际问题的能力。学习理论知识能够进一步提高对于基础经验的理解，使他们更快得掌握更先进的技能。

　　这对我来说是一个长期计划，会需要几年时间去完成。如果你对这方面已经比较熟悉了，那会大大缩减所需时间。

◆ ◆ ◆

如何运用

　　下面都是轮廓性的描述，你要从头到尾逐项进行。

　　我喜欢用Github的Markdown来写，包括任务列表来检查进度。

　　创建一个分支，检查好了就打个叉。

◆ ◆ ◆

跟我来