|
1 新智元編譯 來源：Medium 譯者：聞菲 【新智元導讀】程序員 Per Harald Borgen 在 Medium 刊文，介紹了他在一年的時間里，從入門到掌握機器學習的歷程。Borgen 表示，即使沒有博士學位和高深的數(shù)學造詣也能掌握機器學習。這一點相信對不少人都挺有吸引力和啟發(fā)。不過，博士學位或許真的并非必須，但要掌握機器學習，學再多的數(shù)學也不會嫌多。下面就來看 Borgen 不脫產(chǎn)，從菜鳥變熟手提升業(yè)績的故事。 Borgen 對機器學習的興趣始于 2014 年。跟很多人一樣，他最初是看到 Hacker News 的帖子，單純覺得教計算機學東西很酷。那時候他還只是個業(yè)余的編碼愛好者，連程序員都談不上。 于是，Borgen 開始了他的機器學習之路。首先，到 Uadcity 看監(jiān)督學習的視頻，然后閱讀所有能找到的、跟機器學習有關的讀物。 Borgen 總結(jié)說，“這給了我一點概念上的理解，不過沒有實踐技巧。” 同時，他也十分坦承，Udacity 的 MOOC 他并沒有上完——只要是 MOOC，他幾乎都沒有堅持上完過。這一點，無論怎么說，至少讓篇文章的置信度倍增。 2015 年初，Borgen 為了成為正式的開發(fā)人員，參加了 Founders and Coders（FAC）在倫敦的訓練營。在 FAC，他和同學一起，每周二晚上會看 Coursera 上機器學習課程的視頻。 不用說，大名鼎鼎的吳恩達的機器學習課。Borgen 表示課很贊，學了很多，然而他個人覺得這門課不適合新手。至少他自己，就需要反復看視頻才能掌握里面講的概念——當然，這是 Borgen 的個人感受。不過，Borgen 在 FAC 學的同學也一個個掉隊，最終他自己也掛掉了。 Borgen 總結(jié)說，他當時應該學一門用機器學習庫編代碼的課，而不是從零開始建算法，至少應該用他已經(jīng)知道的編程語言寫算法。 一句話，“對新手來說，一邊學語言一遍寫機器學習算法代碼難度是很高的”。這句話有一定的參考價值。 Borgen 的建議是，可以選擇 Udacity 的《機器學習入門》（Intro to Machine Learning），更容易入門，上來就能實踐，在提升經(jīng)驗值的過程中，學習的趣味性也會增多。 【經(jīng)驗】從簡單的實踐學起，之后再學困難的、偏理論的東西。 Borgen 在 FAC 做的最后一件事情，就是“一周學會機器學習”。他的目標是，一周以后能夠?qū)嵱脵C器學習解決實際問題，而他也成功做到了這一點。 具體的經(jīng)驗 Borgen 寫在了另一篇文章里。有興趣進一步了解，可以訪問：https:///learning-new-stuff/machine-learning-in-a-week-a0da25d59850#.elu1hfaak 簡單說，在一周的時間里，Borgen 做了以下幾件事情：
【經(jīng)驗】騰出一周時間來全身心地沉浸到機器學習里面去，效果驚人。 成功在一周的時間里拿下機器學習給了 Borgen 自信。因此，在他結(jié)束 FAC 回到挪威時，他計劃進行第二次挑戰(zhàn)——一周內(nèi)學會神經(jīng)網(wǎng)絡。 然而，事實是殘酷的。離開 FAC 那種 沉浸式學習環(huán)境后，要一天寫 10 小時的代碼可不容易。 【教訓】找一個合適的環(huán)境做這種事情。 不過，Borgen 到底還是學上了神經(jīng)網(wǎng)絡。去年 7 月份的時候，他寫完了一個網(wǎng)絡的代碼。雖然很粗糙，但完成比完美重要，對吧？ 下半年，Borgen 換了一份新工作，這在某種程度上影響了他的機器學習學習進展。這一階段他主要做的是實現(xiàn)神經(jīng)網(wǎng)絡，他把大學時學的線性代數(shù)重新看了一遍。年底時，Borgen 寫了篇總結(jié)： 《學習如何編寫神經(jīng)網(wǎng)絡代碼》 也是在這篇文章里，Borgen 記錄了他從零開始寫代碼的過程。這篇文章在 Medium 上點贊的數(shù)量接近 600。 2015 年圣誕節(jié)，Borgen 參加了 Kaggle 競賽。當然，實踐的效果是顯著的，他得到了通過算法和數(shù)據(jù)實際迭代實驗的經(jīng)驗，也學會了在做機器學習項目時要相信自己的邏輯，“如果調(diào)參或特征工程從邏輯上看有用，那么一般都會有用”。 2016 年初，Borgen 想將他在去年年底獲得的動力持續(xù)到工作中，便詢問經(jīng)理是否能在上班時學新的東西——經(jīng)理答應了。雖然 Borgen 在文中沒有多寫，實際上，從這個經(jīng)歷中也能學到東西： 勇于提出需求，它們才有機會得到滿足——當然，你的需求需要合理。 于是，Borgen 就在上班時也能學機器學習啦（拿錢做想做的事情?。?。在 2016 年積累了相關經(jīng)驗以后，Borgen 的第一站是 Uadcity 的深度學習課程。然而，事實證明，對于現(xiàn)在的他來說，Udacity 的這門課已經(jīng)太淺。不過，課后的 Ipython Notebook 作業(yè)卻太難。Debug 澆滅了他的大部分興趣。又一次地，一門 MOOC 被他放棄。 但隨后，Borgen 發(fā)現(xiàn)了斯坦福的 CS224D，這門課讓他獲益匪淺。Borgen 總結(jié)斯坦福 CS224D 的好處是：
盡管 Borgen 仍然沒有把這門課上完，但他推薦有興趣的人去學。 另外，Borgen 在學這門課的過程中，為了完成題目，請了一位家教，時薪 40 美元，這位家教幫他發(fā)現(xiàn)了很多問題。因此，他得到了這么一條經(jīng)驗。 【經(jīng)驗】花 50 美元/時的金額聘請機器學習家教，絕對值得。（如果你有機器學習經(jīng)驗，你可以獲得時薪 50 美元的打工機會。） Borgen 在工作中實踐機器學習，他搭建了一個系統(tǒng)，節(jié)省了公司銷售部門同事的很多時間。相關代碼：https://github.com/xeneta/LeadQualifier 以上就是 Borgen 在實際工作中一年掌握機器學習的歷程。不管帶不帶感，至少十分真實。Borgen 在文章末尾寫道：“如果我做得到，你也做得到。” 尤其是工作中的程序員，你不想試試嗎？ 編譯來源：Machine Learning in a Year（https:///learning-new-stuff/machine-learning-in-a-year-cdb0b0ebd29c#.pj6h7f5xk） |
|
|
