AlphaGo在圍棋界成為最強王者後，我們該如何進行機器學習？

隨著AlphaGo在圍棋界成為最強王者，科技界掀起了一股機器學習的熱潮。那麼我們該如何學習呢？接下來我們一起看看著名問答網站QUORA上大牛們對機器學習的看法。

Kevin
Murphy（Google資料研究科學家）：
我正在編寫更偏向初學者的教程，如果你已有一定基礎，可以看看我的線上教程Machine
learning textbook。此外，我有一個書籍推薦清單，裡面有很多高質量的書籍。其中，Introduction to
Statistical Learning最適合初學者閱讀。

Sean
McClure（Data
Science總裁）：
要熟練掌握機器學習，除了要熟悉R和Python語言，更關鍵的是要把演算法與實際相結合，嘗試解決實際問題。以現實問題為導向，是學習的最佳捷徑。我個人也整理了一個實用的機器學習文章清單，希望對你有所幫助：

  Machine
Learning with R

  Building
Machine Learning Systems with Python

  Machine
Learning with Spark

  The Only
Skill you Should be Concerned With

  Learning
from Data

Yoshua
Bengio（Montreal
Institute學習演算法主管，專家）：
首先，你需要有良好的數學和電腦科學基礎。我建議可以先看MIT Press Deep Learning的第一部分。然後進行機器學習相關資源的閱讀，例如Chris Bishop和Kevin Murphy的線上視訊，Andrew Ng的網路教程以及Hugo Larochelle的神經網路視訊。然後要多嘗試動手操作，例如自行程式設計一些學習演算法，嘗試在一些Kaggle比賽中勝出。

 

Danny
Tarlow（機器學習博士）：

Youtube上有很多優秀的視訊值得一看，詳情請點選這裡

這些視訊站在數學角度，嚴謹地闡明瞭什麼是機器學習。實際上，這也是我學習的第一門機器學習教程，它讓我興奮不已並最終取得了博士學位，學習永無止境，我會繼續探索更有趣的內容。

 

Murthy
Kolluru (INSOFE軟體服務公司總裁）：

計劃，計劃，計劃！制定切實可行的學習計劃是最重要的。

以下是我的一些建議：

1. 
從網際網路上下載一個資料集，為問題建立業務環境。

2. 
透過思維導圖，頭腦風暴的方式來對資料集屬性進行分析。屬性越多越深入，對問題的研究越有幫助。

3. 
下載並學習R,Deducer等開源應用

4. 
使用Excel / Deducer並建立新資料和預處理資料。

5. 
學會使用描述統計，直方圖，方框圖，散點圖等分析工具，在deducer/ggplot中進行實際操作。

6. 
對資料進行詳細的描述性統計並將其視覺化。我這裡有個案例，以供參考（連結）。

7. 
把所有結果和分析彙總成PPT與他人分享，嘗試讓別人也能很容易就明白我們的意圖和成果。

數十款阿里雲產品限時折扣中，趕緊點選領劵開始雲上實踐吧！

本文由北郵@愛可可–愛生活 老師推薦，阿里云云棲社群組織翻譯。

文章原標題《How do I learn
machine learning?》，作者：由Quora網站整理，譯者：伍昆

文章為簡譯，更為詳細的內容，請檢視原文