編譯自 |
https://opensource.com/article/18/10/machine-learning-python-essential-hacks-and-tricks
作者 | Tirthajyoti Sarkar
譯者 | Hank Chow (HankChow) ???共計翻譯：24.0 篇 貢獻時間：343 天
嘗試使用 Python 掌握機器學習、人工智慧和深度學習。
想要入門機器學習並不難。除了大規模網路公開課（MOOC）之外，還有很多其它優秀的免費資源。下麵我分享一些我覺得比較有用的方法。
1. 從一些 YouTube 上的好影片開始，閱覽一些關於這方面的文章或者書籍，例如 《主演演算法：終極學習機器的探索將如何重塑我們的世界[1]》，而且我覺得你肯定會喜歡這些關於機器學習的很酷的互動頁面[2]。
2. 對於“機器學習”、“人工智慧”、“深度學習”、“資料科學”、“計算機視覺”和“機器人技術”這一堆新名詞，你需要知道它們之間的區別。你可以閱覽或聆聽這些領域的專家們的演講，例如這位有影響力的資料科學家 Brandon Rohrer 的精彩影片[3]。或者這個講述了資料科學相關的各種角色之間的區別[4]的影片。
3. 明確你自己的學習標的，並選擇合適的 Coursera 課程[5]，或者參加高校的網路公開課，例如華盛頓大學的課程[6]就很不錯。
4. 關註優秀的部落格：例如 KDnuggets[7] 的部落格、Mark Meloon[8] 的部落格、Brandon Rohrer[9] 的部落格、Open AI[10] 的研究部落格，這些都值得推薦。
5. 如果你熱衷於線上課程，後文中會有如何正確選擇 MOOC 課程[11]的指導。
6. 最重要的是，培養自己對這些技術的興趣。加入一些優秀的社交論壇，不要被那些聳人聽聞的頭條和新聞所吸引，專註於閱讀和瞭解，將這些技術的背景知識和發展方向理解透徹，並積極思考在日常生活和工作中如何應用機器學習或資料科學的原理。例如建立一個簡單的回歸模型來預測下一次午餐的成本，又或者是從電力公司的網站上下載歷史電費資料，在 Excel 中進行簡單的時序分析以發現某種規律。在你對這些技術產生了濃厚興趣之後，可以觀看以下這個影片。
知識星球