一名數(shù)據(jù)分析師的機(jī)器學(xué)習(xí)歷程
導(dǎo)讀
筆者的上一個(gè)角色是一名數(shù)據(jù)分析師，期間重點(diǎn)把數(shù)據(jù)分析崗必備的技能都刷了一遍，包括ESP基礎(chǔ)套餐（Excel + SQL + Python）、Python數(shù)分三劍客（Numpy + Pandas + Matplotlib），而后作為SQL的拓展學(xué)習(xí)了Hive，作為Pandas的拓展學(xué)習(xí)了Spark，作為Matplotlib的拓展學(xué)習(xí)了Tableau。應(yīng)該講對于一名純粹的數(shù)據(jù)分析崗位而言，這樣的技術(shù)棧是夠用的，隨后應(yīng)當(dāng)不斷深化業(yè)務(wù)知識才是王道。但隨著當(dāng)下大環(huán)境的"卷"字當(dāng)頭，數(shù)據(jù)分析師技術(shù)棧的要求也是水漲船高，所以機(jī)器學(xué)習(xí)算法便逐漸成為廣大數(shù)據(jù)分析師首當(dāng)其沖的攻占目標(biāo)！
今天，本文就來梳理下筆者學(xué)習(xí)機(jī)器學(xué)習(xí)算法的經(jīng)歷，與此對應(yīng)的系列前文包括：
一名數(shù)據(jù)分析師的Python學(xué)習(xí)歷程
在攻克機(jī)器學(xué)習(xí)算法之前，筆者已經(jīng)有熟練的Python基礎(chǔ)（主要是Numpy要熟練）和系統(tǒng)的數(shù)學(xué)功底，但也因時(shí)間久遠(yuǎn)而存在基本概念和原理公式的遺忘等。以此為大前提，我的機(jī)器學(xué)習(xí)算法學(xué)習(xí)歷程可主要分為以下三個(gè)層面：
刷視頻，重在迅速建立宏觀框架和系統(tǒng)認(rèn)知
讀書籍，重在追究原理和實(shí)戰(zhàn)運(yùn)用
學(xué)文檔，重在查漏補(bǔ)缺和不斷深化
值得指出，這三個(gè)層面并不見得一定要順序執(zhí)行或者有嚴(yán)格先后，通常情況下交叉迭代往往更得其要。
注：本文純粹是筆者學(xué)習(xí)過后的推薦，其中涉及的視頻和書籍推薦不摻雜任何成分。
機(jī)器學(xué)習(xí)在當(dāng)下算是非?；鸨囊粋€(gè)學(xué)科，對應(yīng)的數(shù)據(jù)挖掘工程師、算法工程師、機(jī)器學(xué)習(xí)工程師等互聯(lián)網(wǎng)企業(yè)的崗位title也是高度盛行。需求決定市場，網(wǎng)上的學(xué)習(xí)資源也是不計(jì)其數(shù)。然而，越是資源繁多，越容易對初學(xué)者造成魚龍混雜的模糊認(rèn)識。所以，筆者這里重點(diǎn)推薦3套視頻，筆者都曾系統(tǒng)刷過至少一遍以上，并兼顧原理講解和實(shí)戰(zhàn)運(yùn)用：
《數(shù)據(jù)挖掘：理論與算法 》，清華大學(xué)深研院袁博老師，發(fā)于學(xué)堂在線，目前報(bào)名人數(shù)11萬+。課程側(cè)重從理論的高度深入淺出、追根溯源且頗具哲學(xué)辯證的講解機(jī)器學(xué)習(xí)算法原理，該套課程獲評國家級精品課，通篇學(xué)下來給筆者的感覺是醍醐灌頂而又意猶未盡！ps：雖然官方發(fā)于學(xué)堂在線，但某站其實(shí)早已隨處可看！
《Python3入門機(jī)器學(xué)習(xí)》，慕課網(wǎng)bobo老師的大作，相較于前一個(gè)純院校派的教學(xué)視頻，bobo老師的課程更加注重結(jié)合Python3的實(shí)現(xiàn)，但也兼顧了理論高度甚至是哲學(xué)思考，更重要的是bobo老師的講課風(fēng)格也頗受筆者所喜歡。課程雖好，但與第一套視頻可完全免費(fèi)學(xué)習(xí)不同，這是一套付費(fèi)的課程。
《菜菜的機(jī)器學(xué)習(xí)sklearn課堂》，可能很多從事機(jī)器學(xué)習(xí)工作的應(yīng)該都對此有所了解，菜菜是某培訓(xùn)機(jī)構(gòu)的老師，而且從視頻課程的名字也能看出，該套視頻更加注重機(jī)器學(xué)習(xí)實(shí)戰(zhàn)，更準(zhǔn)確的說是運(yùn)用sklearn的機(jī)器學(xué)習(xí)實(shí)戰(zhàn)。課程講解非常詳細(xì)，大到原理小到參數(shù)設(shè)置都事無巨細(xì)，非常適合初學(xué)。該套課程也是有收費(fèi)的，但其本人在某站其實(shí)也有公開發(fā)布，所以也可在那里學(xué)習(xí)以表支持。
與機(jī)器學(xué)習(xí)教學(xué)視頻比比皆是的現(xiàn)狀類似，相關(guān)書籍其實(shí)也是比比皆是。也是為了減輕選擇恐懼癥，這里筆者重點(diǎn)推薦兩本書，都是幾乎完整閱讀過的，所以具有一定的發(fā)言權(quán)：
《機(jī)器學(xué)習(xí)》，作者：周志華。這是一本號稱西瓜書的機(jī)器學(xué)習(xí)圣經(jīng)級讀物，全書以西瓜的好壞分類作為切入點(diǎn)和引線，深入淺出講解主要算法，加之配以西瓜的封面，因而得名西瓜書。個(gè)人認(rèn)為，這本書在理論層面講解機(jī)器學(xué)習(xí)是相當(dāng)?shù)轿坏?，在國?nèi)書籍中應(yīng)該也是翹首級的存在，似乎做些什么介紹都顯得多余。
當(dāng)然，還有與之對應(yīng)的是李航老師的《統(tǒng)計(jì)學(xué)習(xí)方法》，但由于筆者未閱讀過，所以不做對比。
《Python數(shù)據(jù)科學(xué)手冊》，圖靈動(dòng)物書之一。該書其實(shí)組織結(jié)構(gòu)非常簡單：主要是5個(gè)章節(jié)，除了首長介紹了ipython和jupyter使用之外，后續(xù)4個(gè)章節(jié)分別介紹了Numpy、Pandas、Matplotlib以及Sklearn等4個(gè)庫的基本使用。雖然結(jié)構(gòu)簡單，內(nèi)容也并無太多新意，但個(gè)人覺得對于一名要學(xué)習(xí)機(jī)器學(xué)習(xí)算法的數(shù)據(jù)分析師而言，這樣的成書結(jié)構(gòu)是非常合適的。相較于西瓜書側(cè)重理論宣貫，本書更像是對常用算法提供了一個(gè)基本使用的demo，可以當(dāng)做是如何在sklearn中使用機(jī)器學(xué)習(xí)算法吧。
刷視頻和看書是常用的入門學(xué)習(xí)方法，但閱讀簡短而精華的文檔其實(shí)也是高效的學(xué)習(xí)方法。而提起學(xué)習(xí)文檔，大家首先想到的可能是某些公眾號文章、某些平臺(tái)的博客以及一些大佬整理的學(xué)習(xí)心得，但學(xué)習(xí)機(jī)器學(xué)習(xí)最好的文檔其實(shí)當(dāng)屬sklearn的官方文檔（當(dāng)然，很多其他技術(shù)的官方文檔都可以稱為最好，比如MySQL，但也不完全如此），甚至說相比于Numpy、Pandas這些官方文檔而言，個(gè)人真的認(rèn)為sklearn的官方文檔簡直是寫的太好了：既有算法原理的介紹，也有詳盡的API參數(shù)配置說明，更重要的組織結(jié)構(gòu)非常清晰、講解也是很易懂，甚至說直接把官方文檔整理成冊就可以直接印刷出版了！
sklearn官方文檔
英文文檔：https://scikit-learn.org/stable/
中文文檔：https://www.cntofu.com/book/170/index.html
附個(gè)人sklearn學(xué)習(xí)筆記：
最后，相較于技術(shù)工具更為明確固定的數(shù)學(xué)分析師而言，機(jī)器學(xué)習(xí)算法的學(xué)習(xí)之路顯然更加漫長而陡峭，如果再考慮涉獵深度學(xué)習(xí)乃至強(qiáng)化學(xué)習(xí)，那么其無盡的更新迭代也足夠稱得上艱辛，但作為一名有追求的技術(shù)人，自我成長不應(yīng)本該如此嗎！
相關(guān)閱讀：