如何踏上人工智能与数据科学之路(机器学习篇)

如何打开机器学习的大门

AI这个词相信大家都非常熟悉了，在几年人公智能圈子格外热闹，先是阿法狗带了个好头，让大家重新对人工智能刮目相看。能取得今天这样的成绩绝非瞬间的爆发而是多少年日益的积累。今天咱们就来唠一唠如何进军人工智能的第一步-机器学习。

我选Python玩AI：

Python语言已经非常火爆了，有句古话说得好，人生苦短，我用Python。在机器学习这个领域Python已经成为了主流，一方面因为这门语言简直太简单了，就我个人而言我搞过C++也玩过JAVA但是学起来用起来相对来说都比较难（说白了。。。就是我比较懒），但是python用起来简直不要太轻松，这也是推荐新手选择python的原因，非常容易上手，决没有恶心到家的指针。另一方面现在无论是做项目还是搞研究都非常追求效率，绝大多数情况下，很多代码都不需要自己从头到尾实现，而是调用已经非常完善的库了，这也是我觉得python最强大的地方，可以很轻松的安装好一个想用的库，用这些库帮助我们解决问题。
对于刚入门的同学来说，肯定不会自己动手一步一步的去实现所有需要的技术代码，一个最直接的学习方法就是结合开源的框架，那么可以说机器学习和深度学习的开源框架基本都是python接口的，能用这些开源框架是我们学习的一个最基本的手段啦，所以重要的事情说三遍,python!python!python!

Python科学计算库-Numpy

说到机器学习，简单来说就是，数据输入进来，然后得出一个想要的结果。那么在中间我们计算的是什么呢，为了计算的高效和方便，通常都是将数据转换成矩阵的形式，也就是行作为样本，列作为特征。那么这些复杂的矩阵计算我们该怎么样完成呢？这里我们就需要Numpy了，它可以帮助我们很轻松的完成一系列的计算。如果你要跟数据打交道，那么Nmupy你肯定离不开了。
Python数据分析处理库-Pandas

在做任何一个机器学习算法之前都需要对数据进行预处理，也就是说数据是不纯净的，首先我们需要提取特征，再去除一些错误的有问题的样本，那么这些该快速完成呢，如果你喜欢偷懒要快速做完这些苦活，那么Pandas将会是一个非常不错的选择，在这里，你只需要简单的几行代码就可以对数据做好预处理的操作。

Python数据分析处理库-Matplotlib

数据分析和机器学习都离不开可视化展示，因为无论是做项目交付还是搞算法研究，都需要对自己的成果心里有个数吧，那么在这里我们就可以用Matplotlib来完成这个事，还是简单的几行代码，就能把结果轻松展示出来。

Python机器学习库-Scikit-Learn

这个武器十分有杀伤力，它就是我们机器学习必备的家伙，在这里我们可以选择任何你喜欢的机器学习算法，然后把数据输入进来，直接RUN就可以迭代计算了，简单太自动了，这个库十分强大，封装了大量机器学习算法以及评估和预处理等操作。轻轻松松几行，一个复杂的机器学习算法已经在跑了。

数据与实战

在机器学习这条路上，我们一定会跟数据打交道，这里十分推荐大家找一些真是的案例数据，用这些python库来实际的玩一玩。因为这些库都是开源的，咱们也可以自己打一些断点，从流程上一步一步走完整个机器学习的算法。
有很多同学都问过我，基础很一般能入门机器学习吗，听说机器学习对数学的要求很高，这该怎么办呀？说实话机器学习就是数学公式组成的，但是如果不搞科研的话我觉得能把流程和应用搞懂已经足够用了，并不推荐新手直接从数学开始进军，因为我觉得这个活太枯燥了，不见得大家都能有这种持之以恒的毅力坚持住。我觉得可以从案例和应用下手，先了解算法从头到尾做了一件什么事以及能用在什么地方，再回过头来去搞算法的推导效果应该会更好的、

学习路线图

这个路线图是针对咱们要入门的同学制定的，已然成神的同学们可不使用哦。

（一）搞定Python：

千万别花个把个月转攻这个，因为语言只是一个工具，我们完全可以边用边学，建议快速掌握基本语法，边练边学。

（二）机器学习算法：

机器学习有很多经典的算法，咱们不妨从最简单的K近邻开始，用python实现出这些经典的机器学习算法从流程的角度熟悉这些算法的原理。

（三）熟悉这些库：

如果大家想精通这些库，我觉得难度还是蛮大的，不妨先熟悉这些库能做什么，等咱们实际用的时候再去查语言就完全来得及。因为我用了这么久大部分函数还得每次用的时候现查，即便我知道该这么用还是会不放心查一查。

（四）案例与实战：

用真实数据来玩算法是学习的最好方式。咱们可以找一些真实的数据来练练这些机器学习算法，先搞定算法的原理，再把数据应用进去，然后就是一步一步debug完成整个项目。