自学机器学习的误区和陷阱不要把深度学习作为入门 _机器学习

0.背景
写这篇教程的初衷是希望很多朋友想知道如何开始/转行机器学习，搭上21世纪人工智能的快车。文章的目的是：1.指出自学的一些误区2.推荐材料不要太多3.提供客观可行的学习表4.给进阶建议学习。
本文的目标读者是准备零基础自学的朋友，对数学/统计学/编程要求不高，如：
1.自学习机器学习的误区和陷阱
1.1.在开始学习之前不要试图掌握所有相关的数学
在很多相关的回答中，我一再强调，在开始机器学习之前，不要试图补充自己的数学知识。一般来说，大多数机器学习课程/书籍要求：
如果普通人想要在开始机器学习之前完成所有这些知识，往往需要很长时间，而且很容易中途放弃。而这些知识是工具，不是目的，我们的目标也不是成为优化大师。建议在机器学习的过程中填写where和where，更有目的性，更省时。
1.2. 不要将深度学习作为你的第一课
虽然很多人是来学习深度学习的，但是将深度学习作为机器学习的第一课并不是一个好主意。原因如下：
更多讨论，看我的回答：深度学习的教学和课程与传统CS的教学和课程有什么区别？
1.3. 不要收集太多数据并保持相关性
机器学习资料很多，有好几G的资料可以下载或观看。而且很多朋友都有“收藏成瘾”，经常能看到一次性买十几本书的人。
机器学习正在迅速发展和变化。介绍期间，建议选择“小而精”的材料，选择近期出版的口碑较好的书籍。我不止一次提到这个例子：
在很多深度学习教科书，尤其是10年前的教科书中，仍然使用它作为默认的激活函数。但实际上，校正函数（ReLu）及其扩展变形函数，如 Leaky ReLu，早已成为主流的深度学习激活函数。但是因为知识的滞后，很多课程/书籍甚至没有介绍 ReLu 章节。
一般来说，我推荐最近 5 年内出版的书籍，或 10 年内出版的书籍。虽然有些书很经典，比如汤姆的《机器学习》，但是因为已经出版了20多年，所以不推荐大家购买。
我在这篇文章中推荐的书籍和课程都比较经典和时尚。我推荐入门阶段的 1 门课程和 2 本书，高级阶段的 1 本书，深度学习的 1 门课程和 1 本书，以及高级阶段的 2 本书。
2.机器学习的一些前期准备
2.1. 硬件选择
另一个常见问题是是否可以使用自己的笔记本电脑进行机器学习。答案是肯定的，市面上的大部分数据集都可以在你的内存中运行。在入门阶段，我们很少使用非常大的数据集，通常最大的是 MNIST搜索道家术数入门基础知识，可以在个人笔记本电脑上运行。也可以在笔记本电脑上使用 GPU 进行深度学习，请参阅我的教程：使用 GPU 加速深度学习：安装 CUDA+ 教程。请不要以学习的名义回购机器...
2.2.软件选择
如果你想做深度学习，Linux 仍然是首选，因为它支持很多学习模型（主要是深度学习）。但即使你使用的是系统，你也可以使用虚拟机来学习。小型深度学习模型就足够了，我们很少在本地/个人计算机上运行大型深度学习。
至于编程语言，首先推荐，因为其良好的扩展支持，主流工具包都有版本。在某些情况下，也可以选择 R 作为编程语言。其他可能的语言包括C++、Java、C++，但我个人不推荐。
我还想在这里提一句。因为编程是机器学习的基本要求之一，所以建议大家自学一些基本的编程知识（如），本文不再赘述。
2.3. 语言能力
学好英语，至少为阅读和听力打好基础。尽管中国在人工智能领域做得很好，但主流书籍、期刊和会议都是英文的。我们可以接受翻译，但最好的方法是能够直接阅读。即使以后不做机器学习，英文阅读能力还是有很大帮助的。

以上关于本文的内容，仅作参考！温馨提示：如遇专业性较强的问题（如：疾病、健康、理财等），还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容，希望对您有所帮助：