我曾是一名想進入AI行業的軟體開發者。為了更快熟悉這裡邊的門道，我閱讀了機器學習的書籍，浏覽了不少文章，還學習了Coursera上關于機器學習的課程。
但是，但是，依然不知道如何開始…...
你是否也有這樣的經曆呢？
圖檔版權歸Peter Alfred Hess所有
很多開發者都問我：我該如何開始學習機器學習？
記不清有多少人問過這個問題了。鑒于此，我專門寫了一篇文章來解答大家的疑惑。通過本文，你會知道：
為什麼傳統的教學方法不管用？
如何把傳統的教授機器學習方法的架構颠倒過來。
此外，我還會跟你分享我在學習機器學習方面積累的經驗。
進入正題：
做過各種嘗試，但依然無從下手
根據我以往的經曆，我可以想象得出你做過哪些嘗試，比如海淘各種部落格文章，學習斯坦福大學的機器學習公開課，嘗試深入了解機器學習的相關概念和模型，嘗試處理一些小資料集，不過依然會覺得不得其門而入。
在我看來，問題在于你還沒有将從課本和視訊中學習的理論、算法和數學形成一個知識體系。
在真實工作場景中加深了解
假設你已經掌握了很多個分散的知識點，那麼要考慮将其形成一個體系，最好的辦法是在真實的場景中思考這些知識。比如下邊列舉的幾個場景：
場景1：一次性模型
某天你的老闆跟你說：小李啊，你懂機器學習嗎？你能不能使用去年的客戶資料來預測一下在我們銷售管道中哪些客戶有可能繼續跟我們續約？
我把這種情況稱之為一次性模型。
問題由你的老闆來提出。他給的資料非常小，甚至可以在微軟Excel中打開。但他卻需要精确并且穩定的預測。你可以傳遞，你還可以對最終結果進行相關補充說明。
場景2：嵌入式模型
你和你的團隊對甲方軟體項目進行需求收集。你了解到解決某個問題最好(或者唯一切實可行)的方法是設計并訓練一個預測模型，并把它嵌入到你們的軟體産品中。
我把這種情況稱之為嵌入式模型。
這當中還有一些變體(比如這個模型是固定的呢，還是以後會自動定期更新？是在本地運作呢？還是通過API遠端通路？)，但這些都是隻是細節而已。
這個場景中的重點是你具有的經驗：識别一個需求，它的最好解決方式是使用一個預測模型，并且你具備設計、訓練和部署這個模型的能力。
場景3：深度模型
你開始了一項新工作，工作的系統至少由一個預測模型組成。不管是維護系統，還是添加功能，都需要具備對這個模型的了解，它的輸入是什麼，輸出是什麼。
模型的預測精度是軟體産品非常重要的一個名額，而你的工作職責包括提升模型預測精度。比如，測試預釋出系統時，你展示的模型的準确度不能低于上個版本，或者要高于上個版本。
我把這種情況稱之為深度模型。
你需要建立對一個特定預測模型的深入了解，并且用你的經驗和技能來提升并且驗證它的準确度。
以上這三個場景都是我曾經經曆過的。
它讓一件事情非常明确——雖然機器學習是非常吸引人的一個領域，但對一個軟體開發者來說，機器學習隻是另外一堆技巧，就像多線程程式設計或者3D圖形程式設計。然而，機器學習是針對特定類别的問題進行設計的。
傳統方法如何開啟機器學習之路
找幾本機器學習相關的書，你會發現這些書往往從基本的定義開始，然後是相關的數學公式闡述，最後是非常複雜的算法。
傳統的解答是自下而上的
基本概念的定義和數學理論的表述都是非常清楚、簡潔并且絕不模棱兩可的。但是，它們非常枯、無聊，并且需要具備一定的數學背景來分析和了解。
這也是大學将機器學習放在研究所學生課程中的原因？因為教授機器學習的基本原理需要具備多年基礎積累。
比如，它建議你具備如下基礎：
統計
機率
線性代數
多元變量統計
微積分
如果你誤入了某些奇怪的、有趣的算法，那你的機器學習之路将會更糟糕。
這個學習機器學習的自下而上和基于算法的方法無處不在。
MOOCs和YouTube上的線上課程也是仿效大學的方式來教授機器學習，如果你具備相關基礎或者你已經投入了大量的時間來學習這些進階課程，這沒什麼問題。但是，這對于大多數的軟體開發者并不管用。
如果你到Quora, StackExchange, Reddit這些網站求助如何開始機器學習，你大概會收到同樣的答複。
難怪一些軟體開發者會不斷尋求正确的方法，但結果是不得不回到學校并獲得研究所學生或者博士學曆，隻有這樣他們才覺得可以開始學習機器學習了。
仔細思考一下這個自下而上的機器學習學習方法。它非常缜密、也更系統化，聽起來沒什麼問題，但怎麼可能出錯呢？
為什麼傳統的學習方法是錯的？
假設你是一個年輕的軟體開發者。你已經或多或少學了一些程式設計語言。現在，你準備開始學習如何開發一個獨立的軟體。
你告訴你的朋友和家人，你希望以後你的工作是每天都在程式設計。但他們告訴你，在成為一名程式員之前，你需要一個計算機科學學位。
就這樣，你開始了計算機學位的學習。一學期又一學期，你在學習着難解的線性代數，微積分和離散數學。你使用着過時的程式設計語言。這些都在消磨着你對程式設計和軟體開發的熱情。
傳統的學習方法與成為一名實踐者之間有一個鴻溝
或許你成功的完成了學業，但回過頭才發現你并沒有學習到任何一個關于現代軟體開發的技能、語言、工具，或者其它任何你能夠用來開發軟體的知識。
看到過與教授機器學習類似的案例嗎？
幸運的是，程式設計已經具有很長的曆史了，我們已經找到了正确的方式來教授年輕程式員相關的技能。
對于一個正在學習的程式員，沒有必要讓他學習計算理論或者計算複雜度理論，或者算法和資料結構的細枝末節。這些知識(算法複雜度和資料結構的細節内容)可以晚點再學。或許應該關注一些特定組合的工具，站在一個從事程式設計工作且能夠傳遞軟體的工程師的角度來看這件事。
如果一個軟體開發者想要進行機器學習，他們真的有必要花費多年的時間和大量的金錢去獲得數學和更高的學位嗎？
答案肯定是否定的！還有更好的方式。
以正确的姿勢開始機器學習
像計算機科學課程從來沒有關注實踐中需要的開發和傳遞軟體的技能一樣，機器學習課程和書籍也同樣有這樣的缺點。
對于機器學習，你需要自上而下的學習方法。這個方法更關注結果：采用最佳的工具組合和平台，解決真實的機器學習問題。
自上而下學習機器學習
以下是我推崇的學習方法：
1．通過系統化流程疊代結果
一旦你會使用工具，那麼通過機器學習算法解決問題就相對容易了，你稱之為“完美”。
這就非常危險了。
你怎麼知道你已經完美解決問題了呢？你怎麼知道這個結果是最好的？你怎麼就知道這個結果在這個資料集上面是可靠的？
使用機器學習解決相關問題時，你需要系統化。這是一個項目，和軟體開發一樣，通過良好的處理可以獲得高品質的結果，通過不斷地疊代得到進一步提升。
仔細思考這樣一個系統的流程，你可以想到一些明确的要求，比如：
一個系統的流程可以帶你貫穿始終，從特定的問題到結果的呈現或者部署。與軟體開發項目一樣，你可能認為你已經完成了，但是你很可能沒有。
一個系統的流程可以帶着你一步一步地完成你的任務，這樣你就明确地知道下一步該做什麼。不知道下一步該做什麼簡直就是項目的克星。
一個系統的流程可以保證良好的結果，也就是說這個結果會比一般的好，或者遠超項目的需求。在項目中經常要求送出有一定可靠度的結果，而并不一定是那個最好準确度的結果。
一個系統的流程不拘泥于特定的工具、程式設計語言、算法模型。使用的工具在不斷更新，是以這個流程必須具備适應性。考慮到學界對于算法的追求，時常會出現新的，更好的算法。
選擇一個系統的、可疊代的流程，進而可以不斷地提升你所傳遞的結果。
有非常多的高品質的系統流程，包括一些比較老的系統流程，你都可以稍加調整使之能夠滿足你的要求。
2．為你的系統流程選擇最佳的工具組合
機器學習的工具和庫在不斷地更新疊代，但在任何時候你都得選擇與所選系統流程最适合的工具組合。
你不用驗證和選擇任何老的算法或者庫，你需要所謂的最好組合，它可以給你快速的、可靠的、高品質的結果，并且能夠盡可能地自動進行。
但是，你得根據自己的需要選擇工具組合。
比如，對于以上三種場景，我建議使用的工具組合如下所示：
一次性模型：使用Weka平台，可以在很短的時間加載CSV，設計一個實驗，并獲得最好的模型，并且幾乎不用程式設計(請參考我對這流程的整理)。
嵌入式預測模型：通過python使用Scikit-learn庫，我可以使用同樣的語言來開發模型。IPython是一個非常好的方式，可以向團隊展示你的模型運作情況。MLaaS對于大資料而言是個很好的選擇。
深度模型：R語言，在R平台上，我可以快速并且自動地嘗試很多最高水準的模型。
實際上，這三種情況下的三種工具組合也要依賴于特定的應用場景。
和軟體開發一樣，你需要學習如何使用這些工具，進而可以最大程度地利用它們。此外，你也需要随時關注業界的發展，并且使用更好的工具。當更好的工具釋出後，你可以不斷調整工具來适應你那個系統流程。
3. 有選擇性地開放你的項目
軟體開發技能是通過開發大量軟體産品得到的。對于機器學習，你可以使用類似的方法。
仔細選擇練習資料集
你最好選擇一個真實的資料集，而不是人為杜撰的資料集。現在外面有大量的各種複雜度的資料集合。
我建議從一些小的資料集開始，可以從UCI機器學習庫中獲得。它們都非常有名，相對簡潔，适合新手學習使用機器學習算法系統流程和相關工具。
之後，非常推薦使用一些更大的資料集，比如Kaggle和KDD比賽提供的資料集。它們相對會有點亂，要求使用更多不同的技能。
堅持使用表列資料，這是我對所有學生的建議。
處理圖像和文本資料(分别是計算機視覺和自然語言處理)是一個新興且不同的領域。它們會要求你使用該領域裡面特定的某些方法和工具。如果你是想處理這類型的資料，那麼你最好從那裡開始。
在另外一篇部落格中，我對于如何把練習做成開放式作品集進行了詳細的闡述。“如何練習機器學習算法，從UCI機器學習資料庫的小資料開始”
記錄結果，并建立公開項目集
在一個單獨的檔案中記錄你做了什麼，學到了什麼。以便于你在其他項目中作參考。
這類似于軟體開發者經常把每一個軟體項目放在一個檔案夾中一樣，并使用以前工程中的代碼和想法。這可以很大程度上加快研發速度，強烈地推薦這種方式。
整理好你的筆記、代碼和生成的圖檔，但寫下你的發現也是非常重要的。把這想成是對你代碼的注釋。一個獨立的文檔可以是一個簡單的PPT或者文本檔案，也可以制作得像演講那種那麼精緻，或者像YouTube上面的視訊一樣好。
把每一個項目都送出到一個公開的版本管理庫中(比如Github)，這樣其它新手就可以學習你的經驗，并進行一定的拓展。可以把項目連結放在你的部落格，LinkedIn或者以其它任何公開的形式來展示你的精湛技能和能力。
關于這個想法更多的資訊請參考我的另一篇部落格“建立一個機器學習公開項目集：專注于完成一些小的項目并展現你的相關技能”
對于開發者來說，在Github上釋出和維護項目已經成為履歷中必不可少的一部分，尤其是特别關注技能和項目經驗的公司。
以上是為軟體開發者定制的學習方法，對于以上學習方法，你可以将其應用在機器學習領域。
學習機器學習，以上就夠了嗎？
不過，你也會有疑問。比如作為一個初學者，我需不需要寫代碼，是不是要求數學特别好，需不需要更高的學曆，是否需要學習大資料相關的知識等。
哈，别着急，我們一個一個說。
1.需要寫大量代碼？
不一定。
你可能是一個網頁開發者或者其它領域，你不用寫很多代碼。你可以使用這個方法來開始學習和使用機器學習。像Weka這樣的工具，使得設計機器學習實驗和建立模型變的非常簡單，甚至于完全不需要什麼程式設計。
能寫代碼友善你使用更多不同的工具，但這并不是必須的，而且也不是必須先學習的。
2.要精通數學嗎？
不必。
就像軟體開發一樣，你不必非得了解像計算複雜度或者big O這樣的概念過後才能寫代碼，才能傳遞有用并且可靠的軟體産品，你可以從事機器學習方面的工作，不需要有統計學，機率論和線性代數相關的背景。
雖然我們并不是從理論學習開始，但是并不忽略它。當需要某個算法時，深入學習并了解相關方法或者算法就非常重要了。你會主動學習數學相關的知識，因為在追求更好的結果和更精确的預測時，你會盡可能地去查找資料，學習到足夠多知識來解決你現有的問題。
如果你的目标是掌握理論，這個方法就會更慢，并且不是那麼有效。但是，對一個緻力于要從事機器學習工作的軟體開發者而言，這個方法是行之有效的。
3.我需要一個更高的學位嗎？
不需要。
目前網絡這麼發達，你可以輕松獲得機器學習相關的知識，如非必要，不用花大量時間和金錢來擷取更高的學位。
推薦你在思考獲得更高學位之前，先想下一個實實在在的機器學習問題，并通過一段時間了來詳細了解和建構一個項目，再去想是否真的需要一個更高的學曆，這樣你對這個領域也會了解的更加清晰。
對于我本人來說，我是考到了更高的學位，我喜歡做研究，但我也喜歡解決實際的問題，客戶對我的方案也比較滿意。不過我是從事機器學習工作一段時間後才去考了更高的學位。我都沒意識到我已經掌握了相關資源和學習方法。
這也是我想說服你開始機器學習的原因，其實你已經具備一定的基礎了
4.需要從大資料開始嗎？
機器學習算法的學習和了解最好通過從小的資料開始。小到可以使用微軟的Excel軟體打開，可以加載到記憶體中，或者可以在你的工作站中運作。
大資料！=機器學習。你可以使用大資料建構一個預測模型，但是，這僅僅是你所擁有的技能在特定領域的特定表現。我一般建議我的學生在開始學習機器學習的時候，使用小的資料開始。
如果你學習機器學習是為了處理大資料，那麼就從大資料開始吧。
5.我必須有一個高配電腦嗎？
确實，現在一些最高水準的算法，比如，深度學習，需要數以千萬的計算單元，多個GPU協同工作。但是，這些算法依然可以用來解決一些比較小的問題，而這樣的計算量是你目前電腦CPU就可以承受的。
你不必因為接觸不到高性能的計算機而在機器學習上停滞不前。
在你準備購買一台高性能計算機或者租用一台非常大的EC2虛拟雲伺服器之前，花點時間學習如何盡可能地利用現有的算法，在較小且容易了解的資料上。
6.新手是不是需要花費大量時間
正如我之前所說，從事機器學習算法工作會讓人上瘾。如果你參加了一個機器學習的算法比賽，你會很樂意犧牲一個月晚上看電視的時間來提升算法的準确度。
也就是說，如果你開始學習時，使用着清晰的系統流程和最佳的工具組合，那可能會耗費一個或者兩個小時，也可能是一個或者兩個晚上。
你可以把任務拆分成多個小任務，把它們都貼在看闆上面逐個解決。
開發者容易犯哪些明顯的錯誤，
如何避免？
1.不采取行動
所有的一切都安排好了，但是，我依然看到一些軟體開發者并不采取行動。看電視或者新聞遠比苦坐建立一個新的模型和學習一個重要的技能容易。
2.選擇了一個太難的問題
我經常看到一些軟體開發者一開始就選擇了一個或者兩個非常難的資料集開始。那是非常大，非常複雜的資料集。然而，這些軟體開發者他們并不具備分析這些資料的能力。更可怕的是，這樣的挫敗将會抹殺掉他們的學習動力，以至于軟體開發者們都退出了原有的學習計劃。
選擇一個小的問題，最好你可以在60分鐘以内完成。堅持這樣訓練一段時間，再進行更大的挑戰。
3.不堅持既定的流程
參與了一個靈活開發過程中，如果你從這個過程當中偏離了，這個過程就會很難進行，并且結果往往會很糟糕。堅持從一而終地完成靈活流程，這是一個系統地解決問題的方法，是非常重要的。
你可能會在開發過程中發現一些“有趣的問題”，但是，一定要先完成既定的開發過程，并及時傳遞。
4.不懂得利用資源
對于機器學習，網上充斥着各種各樣的優質論文、書籍和大量的部落格。你可以利用這些資源來改善你的系統流程，使用工具的技能，和模型的準确度。使用第三方資源來擷取更多的算法和資料集，深入了解算法和問題架構，一個具創意的想法将會改變你項目的程序。記住，如果你是采用的自上而下的方式，那必須在收尾階段進行相關理論研究。花點時間來了解你最終的模型。
千萬不要犯以上這些錯誤。
下一步
我們已經讨論了很多内容了，同時，我希望我已經說服了你，你可以開始并且不斷在機器學習中取得進展。在未來你作為一名軟體開發者，同時又懂機器學習算法将會非常搶手。
你的下一步是：
選擇一個設計和使用機器學習算法系統的流程
選擇适合的工具和平台
選擇你的第一個資料集合
在文末留言吧
小福利：下邊這個思維導圖總結了這個部落格中非常重要的一些概念。
原文釋出時間為：2017-05-28
本文作者：AI100
本文來自雲栖社群合作夥伴“資料派THU”，了解相關資訊可以關注“資料派THU”微信公衆号