说到机器学习,作为初学者(软件的小白),知道让机器像人类一样进行学习并能做一定的预测。也有的认为机器学习就是高大上的专业,当然也是现在热门的专业,会觉得跨专业进入这个领域很难,或者考虑到年龄问题望而却步。其实这些都不用考虑,机器学习入门就是针对于零基础的,从统计学基础,python零基础,数据分析基础,线性代数基础(向量等)以及机器学习的基本学习模型(决策树等)。只要你用心去学,一步步去踏实的去敲代码,弄明白每一个细节点,解决一个个问题,你至少可以踏进这个神奇而美妙的领域。
接下来我来分享我对课程整体的感受。udacity的课程是把一堂数小时的课程分解成非常的多的小节,每个小节都有一个知识点,每小节结束的时候都有一个小问题来检验我们是否掌握,之后全部知识点讲完还会有一个具体的事例让我们去解决,不断重复的去复习这个知识点,这也是我觉得udacity的课程很赞的地方之一。学已用之,不断重复。还有一个值得赞的地方是,不会直接告诉你概念,而是一步步引导你,从一个特别简单的例子,由浅入深,让我们的理解更富有逻辑性。
刚进入项目一的学习,是统计学基础,由浅入深的教学方式,以及每个小问题的巩固复习,让我们在统计学上有了一个不错的基础。
项目二的学习,对于零基础的我来说,是有点困难,看到一位位同期一天甚至一个下午就把项目二直接完成,很是羡慕。这里可能会有点焦虑,看到其他的人领先,这个时候一定要告诉自己,按照自己学习的节奏来说,我们有6个月的时间,足可以把课程一步步的扎实的拿下,所以等心能够静下来再去好好学,因为这门课需要你的集中力和思考力,才能学扎实学到知识。首先,你不要怕去写程序,你一定要去大胆尝试大胆调试,哪怕错了,然后再去debug,明白导致问题的原因,再去把问题解决。对于出现这个,一般程序底下都会有错误提醒,这个时候需要能读懂错误,如果你英语不错,可以直接看懂,如果看不懂就需要你谷歌翻译,明白问题。切记,不要出现错误就去找别人索取正确答案,这样你是不能好好学到知识的,一定要知道错误的原因。
对于p3来说,可以说是机器学习入门有难度的一个项目。你不仅需要一定的编程能力,还需要和数学的线性代数结合起来编程。你可以在群里和同学们一起讨论,也可以咨询mentor,udacity的助教特别棒,特别负责,“授之以鱼不如授之以渔’这句话发挥的淋漓尽致“,指导你一步步认识问题,处理问题直到解决问题。完成p3后,你会用特别大的成就感。
对于p4,进入了数据分析基础。这是一个很奇妙的章节,你可以学会数据清理,把数据按照你想要的情况呈现在你的目前,你可以将数据编写成一幅幅可视化的图,然后对其进行分析,验证你的猜想。这之前你要学会自己查阅文档,知道相关的代码以及参数,你的阅读能力可以得到一定的提高。建议做项目前,可以用纸或者直接在notebook的markdown写好自己分析的的流程,这样你的思路以及逻辑可以非常的清晰。
对于p5,可以说是验证你之前学的基础。进入机器学习的大门,我们可以学习到如果将数据分为训练数据和测试数据,我们如何用数据去找到一个最佳的模型,然后用测试数据去确定最佳的学习模型。然后通过模型在对其进行预测。比如,三文鱼和鲫鱼,我们通过对三文鱼和机遇的特征进行数据的清理以及分析,找出一条最佳的模型,然后能用得到的模型来辨别鱼的种类(三文鱼还是鲫鱼)。
你扎实的学好了机器学习入门的基础,就可以向更多高的进阶进行学习,可以体验更多机器学习的乐趣。
最后说一下,udacity的社区以及助教都是特别负责。每一个项目都有一个助教,我们应该善于利用身边的资源,与人交流更能体会到学习的乐趣,学习氛围非常的棒。针对每个项目,还有相对应的直播课,让我们明白大概的思路,得以成功的完成项目。相信大家都能在udacity体会到学习的乐趣,认识志同道合的朋友,一起进步成长,成功的进入这个领域。