炼丹入门必备：迈向调参之路的新手指南（机器学习篇）

避免成为资料收藏家

机器学习越来越火爆，各种资料也越来越多。在网上随意一搜，就能看到一大串长长的书单和一大堆视频教程。堆积如山的资料，很容易让新手一脸懵逼，无所适从，最后没当成炼丹术师，反而成了著名的资料收藏家。

怎样避免成为资料收藏家？道理大家都懂，不就是挑好学习资料后狠下心钻研下去，没学好前尽量不再换教材嘛。但是，说起来很简单，做起来并不容易，毕竟第一步挑资料就不容易。这时，该怎么办？当然是来看这篇新手指南。

选定学习路线

不同人的基础水平和学习需求有很大差异。在正式学习之前，最好先思考一下自己想要走怎样的路线。是要一步一步打好基础，深入钻研，扎根在机器学习领域，还是希望快速上手，到手即用？

两种不同的入门路线，教程风格也是迥异。

前者非常注重基础，开始学习时就要注重每一步的推导和实现过程。这样的过程，相对而言没那么有趣，不少人走了几步就受不住。

而后者，入门时只需要弄懂大致的原理，会调用现成的包，快速拿过来用。不过，如果后续想更进一步，还是需要参考第一条学习路线。

至于选择哪个，就见仁见智，看自己需求。

深入钻研路线

视频课程

机器学习的视频课有很多，这里推荐两个，选择其中一个学习就可以。但要注意，视频课程不只是拿来看的，布置的作业也要去完成，否则就没什么效果。

吴恩达

吴恩达在Coursera上的免费课程，在网易云课堂上也能找到。无数人都学过或听说过这门课，非常著名。这门课比较简单，很适合新手入门。教学用的是 Octave，即便没有Matlab基础，在课程中也能很快上手。如果感觉内容太简单，可以去看 CS229: Machine Learning 这门吴恩达在斯坦福大学教的课。

李宏毅

台湾大学李宏毅教授的上课视频，在哔哩哔哩等视频网站上直接搜“李宏毅 机器学习”就能找到。课程讲得挺不错，非常风趣，比如讲解线性回归时用了宝可梦的例子。更重要的是，课程是纯中文讲解，学起来不会有太大压力。

书

入门时尽量不要去翻看大部头，不然大概率会把自己看晕。可以跟视频教程搭配着一起学习，如果不喜欢看视频也可以单独看书。

机器学习

大牛周志华的《机器学习》被爱称为西瓜书，非常适合作为入门教材，涵盖了机器学习各方面的基础知识。

统计学习方法

李航的这本书也是非常著名的教材，介绍了统计学习的主要方法，特别是监督学习方法。这本书偏理论，适合打理论基础。

机器学习与应用

新出的一本书，作者为雷明，系统讲述了机器学习算法与理论的知识，同时也对大部分核心算法的工程实现进行了介绍，包括OpenCV、libsvm、liblinear、Caffe。

快速上手路线

视频课程

市面上有很多职业培训课程，有一些比如 Udacity 的课程质量也不错，但价格不低。本着精打细算的精神，这里介绍的两个课程都是免费的。如果有比较好的经济条件，也可以去找付费的培训课程，但要注意买之前在网上看一下口碑。

fast.ai

fast.ai 推出的深度学习课程取得了很大的成功，后来又推出了 Introduction to Machine Learning for Coders 这门机器学习课程。fast.ai的课程适合有编程基础的人，非常注重实践。跟大部分教程不一样，它是先教怎么写代码，再说原理的，很适合快速上手。

机器学习速成课程

谷歌发布的 Machine Learning Crash Course 课程，一共是15小时，其中包括25节课程以及40多项练习。学这门课程不需要预先掌握机器学习方面的任何知识。更重要的是，这门课程提供了中文版。

书

快速上手更应该选择倾向于操作的书，原理不必钻研得太深。等到以后有需要，再去深究。

机器学习实战：基于Scikit-Learn和TensorFlow

Scikit-learn 是机器学习很火爆的一个库，这本书介绍了常用的机器学习方法和 scikit-learn 的用法，另外也介绍了怎么用 TensorFlow 写神经网络，很适合上手。如果英文比较好，推荐看英文原版。如果要看中文版，除了买纸质书外，还可以去翻看社区翻译版。

社区翻译版可以前往 https://github.com/apachecn/hands-on-ml-zh 阅读。

scikit-learn机器学习：常用算法原理及编程实战

Scikit-learn 的中文图书非常少，这本是难得的原生中文书。跟着整本书敲一次代码，会有不少收获。

小结

上面这些只是入门的资料，如果要深入，还有很长的路要走，《Pattern Recognition and Machine Learning》《The Elements of Statistical Learning》等经典书籍在等着。

 
 
 
 

---

欢迎关注