各位前辈好
小弟自从一年前开始在本版和DataScience版出没
渐渐从完全0程式语言基础,到可以训练model
受到版上许多人的指引和建议
以下整理这一年多来使用觉得适合初学者的自学资源:
(网志版本包含连结:http://x60606.pixnet.net/blog/post/300451728)
※什么人适合读这篇文章?
. 具有高中数学程度的人(其实也只要会矩阵和向量就可以了)
. 完全没有程式语言基础的人
. 有心想自学AI的人,并用于工作领域的人
. 恰好有3-6个月的空闲时间,希望多学一种语言的人
※学习时间大约要多久?
心无旁鹜的全心学习的话,大约一个月可以上手python程式语言
再大约3-6个月可以操作AI机器学习。
之后依应用领域不同自行挑选工具学习。
※第一阶段
初学Python 程式语言
推荐书单:
《精通 Python:运用简单的套件进行现代运算》Introducing Python
作者:Bill Lubanovic
从安装下载python 及其相关套件开始教起
用语诙谐幽默,比喻生动有趣
不要被中文标题吓到了,其实它只是introduce而已。
使用方式:
将内容范例程式码逐步打过,养成眼到手到的习惯,两周左右便可撰写基础程式码。
从第一章开始阅读,练习到第六章即可。
第一个难关:环境建立
初学者最常遇到的困难就是在自己的电脑上安装编译软件,
由于Mac, Windows, Linux各种作业系统安装方式不尽相同,
时常会遇到书上没有教的窘境。
因此初学者我推荐上面这本书。
小撇步:
之后如果觉得安装各种套件很麻烦,可以直接下载Anaconda,
使用Jupyter notebook 撰写,自动包含所有常用机器学习套件。
※第二阶段:
熟练Python并了解各种算法之间的时间复杂度、空间复杂度差异。
推荐学习资源:
Leetcode 网站题库
使用方法:
挑选自己有兴趣的题目写,也可以选择难度为“简单”的题目练习。
大约写5-10题即可,1-2周即可完成本阶段。
完成题目之后可以到讨论区看其他专业工程师如何解决同样的问题,如何更简单明了、运
算更快速。
用最短的时间在资工系最硬必修──“资料结构”、“算法设计”初窥门道。
并借此复习上一阶段没有熟练的指令码。
第二个难关:忘记学过的指令码
所以需要靠刷leetcode练习复习。同一个题目能够看到别人用不一样的方法解决,知道自
己的不足。
※第三阶段:
机器学习基础知识
学习资源:
网络课程:林轩田教授、李宏毅教授
林轩田教授的课程比较学术生硬,投影片精美,讲解详尽有逻辑,数学成分较多,非常适
合对原理有兴趣的你。(基础课程请按此) (进阶课程请按此)
李宏毅教授的课程风趣幽默,上课步调比较随兴轻松,适合喜欢结合生活应用的你。(ML
lecture 请按此)
使用方法:
两位台大教授都有将课程影片上传至youtube,可以挑选一位从头到尾看完。
太过于理论或数学推导的部分可以两倍速带过。
安排一天3小时,综合做笔记时间,大约4-6周左右可以掌握AI机器学习所有名词的意义,
以及数学上的逻辑、生活中的应用。
第三个难关:对机器学习原理感到迷惘或却步
别担心!请记得,机器学习是数学家和资料科学家经年累月发展出来的深奥学门,一般人
不需要了解全部的详细原理,像是您学习开车但是不需要知道所有的机械结构,只要掌握
与操作有关的重点,并知道重要名词之间的关联即可,目标是下一阶段的实作!
※第四阶段
机器学习程式码操作
书单推荐:Tensorflow + Keras 深度学习人工智能实务应用
网络资源:AI 百日马拉松 (不是免费的,一个人报名费约2000元左右)
我自己有报名第二届,值得推荐的地方是他会每天给你一点程式码
也会提供教学讲义网站和重要资源的连结
学期间有助教随时解答
不过我自己觉得,对非科班出生的人而言,原理和教学图解部分太少
有时候中文语句也不是很通顺,还有许多改进空间
因此上面三个阶段完成的人来看会比较不吃力
未来应用若有很好的资源会再补充!
欢迎提供更多资源建议,谢谢!