机器学习自学过程及tips

001. 找合适自己的书籍跟视频，快速搭建起知识系统

　　　　书籍-教材类

　　　　一类：机器学习实战-基于scikit learn 和TensorFlow （ 已刷完非神经网络部分，新手实践第一本教材，对于整个机器学习的建模流程非常细致，偏实践）

　　　　　　　西瓜书 （已刷一遍，内容比较精炼，是给本科生研究生上课的教材，大概20多页一个主题，所以内容上有的细点，有的粗点，还包了半监督，规则学习，概率图，强化学习，计算理论，这部分说是给研究生上的，对于形成整体知识体系不错，不过重点的神经网络粗点；整体以介绍脉络为主，偏框架介绍，直接啃这个估计有些难度，老师在序言里也说了，有些话，虽寥寥几语，但都是千锤百炼的，没经验难悟）

　　　　　　　统计学习 （已买，O(∩_∩)O哈哈~，第二版，据说MCMC讲得挺清楚 ）

　　　　　　　PRML~MLAPP~花书~动手深度学习~强化学习（未看，除了李沐的“动手”说是给花书打下手的，其他的都丫的“圣经” 。。。好多“宗教”。。）

　　　　二类：偏某一主题领域类 （ 未购 ）

　　　　　　   集成学习 （周志华，集成是竞赛神器，但实践中听说不顶用）

　　　　　　　迁移学习（迁移学习拿别人的来训练可以加速，拿来主义，实践方面方便丫）

　　　　　　   联邦学习 （谷歌搞的，微众走在前沿，解决数据的私密性跟共享这对矛盾的，听起来好像在监管加强的情况下，挺有前景的）

　　　　　　　生成对抗（应用目前个人印象中主要在图像跟视频领域，其他的领域再看了，读书少。。）

　　　　　　　图神经网络  （ 在团伙欺诈上有用，主要研究网络的，慢慢学习研究了）

　　　　实践类

　　　　百面机器学习  - （其实偏理论，重点把一些问题挑出来回答）

　　　　美团机器学习实践 - （已购）

　　　　阿里天池 - (竞赛经验类，网上其实很多比赛的经验，不过官方推的，又写成了书，肯定牛逼一点点）

　　　　携程实践 - （已购）

　　　　强化学习实践 - （有阿里的技术演进，也有其他的除强化学习圣经之外的几本，都没看） 

　　　　精通特征工程 - （书不厚，内容不多，也没有很深，但有一些常规的处理技巧，具体的特征构建，应该挺看行业，看数据的，但本书会给你一些概念框架，慢慢往里面填咯）

　　　　视频

　　　　　　白板推导系列 ( 差不多已刷完，公式非常细致，展开的很详细，偏理论，无实践，强化学习跟GAN那块感觉还没到位，较弱，整体为大师兄带你飞，带得动）

　　　　 　　吴恩达机器学习（已刷完，小白入门好课，把数学公式推导都弱了，强调机器学习的过程跟思维，里面谈了很多建模过程中的经验，其实对有经验的选手也挺有启发的，应该，因为我是中白 ( > 小白）。。）

　　　　　　 李飞飞深度学习 （经典，名气大，肯定牛，未刷）

　　　　　　 徐亦达/

　　　　　　台大林轩田 - 机器学习基石 （coursera好课，未学，***能传过来，肯定差不了）

　　　　　　台大林轩田 - 机器学习技法（coursera好课，未学，***能传过来，肯定差不了）

　　　　　　台大李宏毅 - 深度学习 　　 （coursera好课，未学，***能传过来，肯定差不了）

　　　　　   网课：

　　　　　　　　https://cn.udacity.com/wp/free-course

　　　　　　　　https://www.coursera.org/

　　　　　　　　https://courses.cognitiveclass.ai/courses/course-v1:Cognitiveclass+PY0101EN+v2/course/

　　其他：知乎高赞/微信人气公众号 （ 白话机器学习，手推机器学习算法等）/ 博客/CSDN

　　关键是找自己看得懂的，激发兴趣，快速搭建知识体系，知道自己学习在什么位置。 

　　没必要纠结于“经典”，经典没错误，经得起推敲，但往往深奥难懂。

　　在最开始的时候，可能野生博客中有些表述不正式没那么“正统”，但是类比跟说明非常形象，这些感性认识跟心理过程不会在“经典”中出现，但是确实非常有用，拦在路上的有时差得就是那点直观感受，建立了，“感觉”就是“自己的”了。

002. 没必要盲目实现算法细节，转行以懂原理/公式/应用为主

　　学习重点在公式，原理，技术细节

　　能讲出优点，缺点，局限性，部分改进方法

　　最好跟最佳应用实践结合起来，找到应用场景

　　工业界主流模型要重点掌握

　　但是： 在我这，只是教训了，作为一个之前在偏理论的数学系里学基础数学的，本科阶段习惯养成了“抠”的习惯，感觉没到公式层面，没到能形象的讲出个一二三的境界，总感觉没学。。。，其实 “快速学习，快速应用，够用即可” 感觉才是王道，快打慢。。

003. 写读书笔记，系统的记录，复习

　　总结了，才是自己的；

　　不复习，学多少，忘记多少；

　　不系统化，成点不成网，知识零散不深刻，无法在需要的时候快速提取；　

004. 动手动手动手

　　1）工具进阶：从Python开始吧，这是烹饪的锅碗瓢盆柴米油盐，经验等俺爬上去再总结Python的进阶了

　　2）建模进阶，利用学到的一些“实践理论”，重点在建模的过程，建模思维的构建

　　　　　　现实能接触到的模型 （公司，实验室）

　　　　　　竞赛类提升 （初级挺有用，中阶后提升有限了）

　　　　　　各类偏教学类教材 （有挺多模型的，跟几遍）

　　　　　　Github - （这里是个宝，无限维度空间，利用率看个人水平了）

　　3)  业务思维进阶：

　　　　　　现实能接触到的模型 （公司，实验室，这部分是重点）

　　　　　　各类跟业务结合的书籍 （ 强化学习阿里，风控类，美团/携程/阿里等机器学习实践）

　　　　　　各类付费网课（ 没钱买，能白嫖?）

　　　　　　偏业务的数据分析

　　4）其他重要而基础工程类工具，工作中这些的熟练度，能直接反映工作效率： 

　　　　　　git/github - 版本控制

　　　　　　TensorFlow / Pytorch /MXNet /Keras  - 深度学习的

　　　　　　SQL - ETL工具，最基础的一步

　　　　　　Google Cloud Platform - pipeline/BigQuery/等，现在都上云了，云上作业　

005. 参加Kaggle等实战

　　真实化数据探索场景 

　　由于002的教训，这块还没太多经验。。。