Machine Learning 入门

由于ChatGPT大火，狗家感到严重的威胁，劈柴在裁人后发妹儿强调今后要Foucus on ML.

这里分享一点ML入门知识。当初俺已达到面试的水平了，但后来选择了SDE,看来还得做ML.

1.上Andrew Ng在Coursera上面的两门课，Machine learning 和Deep Leearning.绝对No.1的入门课，一定要做作业和反复读notes直到完全掌握。

2.学习Jupyter Notebook,熟悉Python,Numpy, Pandas, ScikitLearn,各种visualization tool,各种流行frameworks,e.g. TensorFlow, PyTorch.....推荐书籍： Python for data Analysis by Wes Mckinney

3.准备两本书，并熟读： Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd Edition by Aurélien Géron; Mathematics for Machine Learning by UCL. 前者告诉你怎么在平台上玩ML,后者是ML必备数学基础，掌握了这个数学基础学新的算法和开发新的算法，调参，炼丹都很easy.

4.开始升级加强，需要三本书:

 a. The Elements of Statistical Learning by Trevor Hastie

b. Pattern Recognition and Machine Learning by Christopher M. Bishop 

c. Machine Learning: A Probabilistic Perspective by Kevin P. Murphy

这三本书是ML的圣经级别书，特别是第一本，完全理解基本上都差不多了。

有条件可以去州大，CC上相关的课，一定要做作业，否则学习ML非常缓慢和肤浅。

做ML, AI最好读博士，出来40W+绝对的。