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。