机器学习怎么入门——自学篇

时也势也，最近因为机缘巧合，下定主意要从项目管理领域跳转到机器学习领域（人工智能/深度学习），为了更快更高效的进入学习状态，我对这一块的培训市场和自学方法也做了一些调研。上一篇（机器学习培训班这么多，你该如何选择？）已经就培训市场情况，做了一个简要说明，今天就自学成才道路进行简要分析。由于我也是刚刚开始这块的学习，难免会有纰漏，请大家批评指正。

首先，阐明以下个人背景：211工科硕士，双控工程毕业，有一定数学和人工智能基础。

接下来，我们就细细分析人工智能的自学之路。

1.前提条件：个人学力（非学历）要求

很多培训班在进行培训产品推介的时候，都会对学员的学历背景做一定了解，是不是大学生？有没有学过高数？是否了解统计学？甚至有的培训班还会将英语水平作为一个咨询条件。

在我个人看来，培训班这样做，并非是做样子，而是，在人工智能的进阶之路上，确实有一定的基础知识和硬性条件，概括来讲有以下几点

（1）数学能力：分为高等数学、线性代数和统计学等领域。

举个例子，很多机器学习/人工智能培训课的第一堂课，往往会将线性回归。线性回归的求解思路有两种：线性代数矩阵求逆和梯度下降法，前者需要学生知道什么矩阵，向量，转置、求逆等基本知识，后者需要学生了解导数、偏导数，这些概念在高等数学的基础上是，是很难直接领会的，跨专业跨行业自学的同学，如果您的大一大二基础课不错，相信入门应该会轻松很多。

为什么要讲统计学？这就要细致的谈到机器学习的知识体系，机器学习从监督角度来分，分为监督学习和无监督学习，有很多模型的基础是直接来源统计学，所以有时候大家会看到统计学习这个概念，就是这种原因。有一本比较好的入门书籍推荐给大家《统计学习方法》-李航编写的，通俗易懂，开篇就给大家介绍了：统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测和分析的一门学科。书中提到的感知机、k近邻等方法就不一一列举了。

综合看来，数学方面的基础能力，确确实实是学习机器学习的基础，不可或缺。

（2）计算机能力：基本的计算机知识和适当的编程能力。