技術(shù)浪潮一波又一波，目前最洶涌的非AI莫屬，無數(shù)小白迷離著雙眼，準(zhǔn)備學(xué)習(xí)一波，又不知從何入手。本人去年以身犯險，雖死磕未果，但初窺門徑，分享一些心得，供純小白入門使用。
首先AI對數(shù)學(xué)基礎(chǔ)要求比較高，微積分、線性代數(shù)、概率與統(tǒng)計，缺一不可。其次需要有一定的編程能力，Python或R至少得會一種。然后AI本身還有一大堆的理論和算法需要學(xué)習(xí)。最后不要以為理論都會了就算入門了，實踐才是最重要的。
數(shù)學(xué)、編程、理論、實踐，每一個階段都像一座大山，需要你去一座座的翻越，而在翻山的過程中有一個隱藏的BOSS始終伴你左右，隨時準(zhǔn)備把你擊潰。這個BOSS就是小白入門AI時最最最需要克服的困難——挫敗感。對于小白來說，AI學(xué)習(xí)是個漫長枯燥又極其困難的過程，尤其死磕算法的時候，稍有不慎，疲憊和挫敗感就會把你擊倒，一蹶不振，甚至放棄整個學(xué)習(xí)計劃。
給自己創(chuàng)造一個好的學(xué)習(xí)環(huán)境是非常重要的。如果能有人教你，一步一步的給與指導(dǎo)，并且可以隨時解答問題，那么不用往下看了，你已經(jīng)身在天堂。如果能有人回答你的問題，哪怕不是隨時，那都是天大的優(yōu)勢，請好好珍惜。如果能有個伴一起學(xué)習(xí)，有問題可以討論，有經(jīng)驗可以交流，哪怕只是相互督促鼓勵一下，那都是極好的。這些都可以有效的避免挫敗感。
最怕的就是一個人孤軍奮戰(zhàn)，孤立無援，那挫敗感來了，一打一個準(zhǔn)。我就是這種情況，幾次學(xué)習(xí)，幾度放下。經(jīng)過幾次的反復(fù)，血和淚總結(jié)出的經(jīng)驗，切忌死磕。尤其是數(shù)學(xué)和算法這東西，不明白就是不明白，怎么想都沒用，這種情況下死磕，大概率是自尋死路。比如，SVM我至少學(xué)了三次，每次都是因為數(shù)學(xué)卡住，死磕了幾天便厭學(xué)放棄了。然后等那股挫敗感慢慢消逝，再重新學(xué)習(xí)，之前的坎竟然神奇的一躍而過，從不明白到明白，只差中間一段時間的休息和一顆平和的心。
想想我們學(xué)習(xí)物理的時候，各種定理定律，大部分都不會證明，還不一樣拿起來就用。在學(xué)習(xí)AI的過程中同樣會遇到大量的證明，懂不懂隨緣，懂了更好，不懂就直接記結(jié)論，不影響學(xué)習(xí)效果。我們的目的是入門，不是一上來就成為專家。
我個人總結(jié)的入門心法，快樂學(xué)習(xí)，不懂就問，切忌死磕，勞逸結(jié)合，遇到坎了便在心中默念，可保取得真經(jīng)。
下面奉上一份切實可行的學(xué)習(xí)計劃，本人親身驗證，穩(wěn)！
先導(dǎo)課程
微積分：麻省理工學(xué)院公開課：微積分重點
線性代數(shù)：麻省理工學(xué)院公開課：線性代數(shù) & 習(xí)題課
概率：可汗學(xué)院公開課：概率
統(tǒng)計：可汗學(xué)院公開課：統(tǒng)計學(xué)
都是視頻課程，特點就是沒那么枯燥，但是學(xué)起來非常慢，所以有基礎(chǔ)的話可以挑著看。有書的可以看看書，大學(xué)學(xué)過的話，撿起來會非?？臁ilbert Strang老先生講的是真的好，遙想當(dāng)年要是能遇見這樣的老師，感嘆中國教育任重而道遠。可汗學(xué)院講的非常通俗易懂，一個知識點一節(jié)課，短小精悍，適合零基礎(chǔ)，缺點是有點墨跡，反正我是跳著看且沒看完的。
不必糾結(jié)于我推薦的課程，找到適合自己的最重要，把相關(guān)的知識點學(xué)到了就可以了，這個階段主要是熟悉，為后面的理論學(xué)習(xí)奠定基礎(chǔ)。
基礎(chǔ)課程
斯坦福大學(xué)Andrew Ng：斯坦福大學(xué)公開課：機器學(xué)習(xí)課程 & 課程大綱
臺灣大學(xué)林軒田：機器學(xué)習(xí)基石 & 機器學(xué)習(xí)技法
周志華：機器學(xué)習(xí)（西瓜書）
李航：統(tǒng)計學(xué)習(xí)方法
Andrew Ng可以算的上機器學(xué)習(xí)界的網(wǎng)紅了，無數(shù)人都是從他的課程入門的。個人感覺這個課程講的不是很細致，因為人家默認(rèn)你的先導(dǎo)課程已經(jīng)掌握的很好了，所以很多東西要結(jié)合講義仔細推敲。其實最大的問題還是在于英文授課，并且字幕捉急啊。我推薦的是網(wǎng)易的版本，存在這些問題，可以試試coursera的版本，應(yīng)該會好些。
我主要學(xué)習(xí)的是Andrew Ng的課程，并且斷斷續(xù)續(xù)的學(xué)習(xí)了很多遍，最終也沒有學(xué)完。直到我遇見了林軒田老師的課程，中文授課，簡直一股清流。由于我遇見的時間已經(jīng)比較晚了，大部分都學(xué)過了，所以只是簡單的學(xué)了幾課，感覺非常好，強烈推薦。如果再讓我選一次的話，我會從這個課程入手，畢竟母語的優(yōu)勢是無法比擬的。
推薦的兩本書都是必備的，建議作為參考書，遇到問題翻一翻，相互對照，可以加深理解。直接用西瓜書入門也可以，缺點就是比較枯燥，沒有視頻那么生動。還是那句話，選適合自己的方式。
編程課程
Dataquest就是鍛煉動手能力的，建議買個基礎(chǔ)課程，29刀/月。有編程基礎(chǔ)的，每天晚上突擊一個月就可以了，該會的都會學(xué)到，基礎(chǔ)不好的可能要多花些時間。千萬別不舍得花錢，我告訴你絕對值！
Dataquest所有的內(nèi)容都是在線的基于瀏覽器的，如果想在自己電腦上練練手，推薦Anaconda，一站式，All in One，好用，省心！
實踐課程
kaggle是一個神奇的網(wǎng)站，維基百科了解一下。對于小白來說，直接參賽難度有點大，但是由于Kernels都是公開的，模仿學(xué)習(xí)一下還是非常愉快的。這里推薦一個專供新手入門的比賽Titanic: Machine Learning from Disaster，其中得票最多的Exploring Survival on the Titanic。這個Kernel是用R語言寫的，思路清晰內(nèi)容詳細，需要做什么、怎么做、為什么要這么做，一步一步帶著你解決問題。我推薦用Python原封不動的重寫一遍，完美鞏固之前學(xué)習(xí)的知識，加深理解。
最后，其實這是一篇機器學(xué)習(xí)入門，那標(biāo)題為什么要寫AI入門呢？一方面，他們同宗同源，機器學(xué)習(xí)入門了，AI也就入門了。另一方面，機器學(xué)習(xí)這么土，寫AI才會有人看嘛，木哈哈哈哈……
