重磅干貨，第一時間送達
來源 | 大數(shù)據(jù)文摘
編輯 | 紅色石頭
試圖入門機器學習時，多數(shù)人會感到不知所措？這時候，一份明確的學習路徑可以幫你去除這一焦慮。
一周前在Github上出現(xiàn)的一份超高贊貼就總結(jié)出了這樣一份“入門套路”，據(jù)這位神秘的發(fā)帖人所說，機器學習不需要繁雜的準備和高深的數(shù)學知識，你只需有足夠的時間、正確的學習方法、對數(shù)據(jù)分析的好奇心就足夠了。
其實，前段時間紅色石頭就發(fā)文推薦過這個 GitHub 高贊項目，鏈接如下：
5000 星！GitHub 高贊機器學習路線圖，請務必收藏！
這個項目是一位名為“維吉爾（Vigilio）”的開發(fā)者整理的。項目包括職業(yè)進階路徑、專業(yè)知識講解、工具介紹等，著重強調(diào)，不走彎路，簡明扼要！Vigilio稱，這篇帖子按照層次結(jié)構(gòu)和復雜程度組織編寫，以便讓學習者對事物的運作方式有一個連貫的想法。
項目地址：
https://github.com/clone95/Virgilio
該項目主要包含了六個方面：
New To Data Science?
Complete Learning Paths
Specializations
Tools
Topics
Research
我們通過一張圖來看一下這個項目包含了哪些內(nèi)容。
這份學習路線圖可以說非常完整和詳細，包含的內(nèi)容很全面。但是缺點就是英文版不方便大家閱讀，以便更有效率地學習。
重點來了！就在一周前，這份英文版 GitHub 資料被名為 @jiaxianhua 的同胞翻譯出了簡體中文版，讓不想費力讀英文的同學也可以輕松上手啦！
當然，先附上網(wǎng)址：??
https://github.com/clone95/Virgilio/tree/master/zh-CN
下面文摘菌根據(jù)這份資料給大家好好捋一捋這個漢化項目的具體內(nèi)容。
1. 新接觸數(shù)據(jù)科學？
新接觸數(shù)據(jù)科學需要什么？當然，Python 這一基礎的編程語言需要掌握。一些數(shù)學的基礎知識當然也少不了。如果想進階的話，當然就需要學習一些高等的數(shù)學知識和高級的Python啦。
在這份 GitHub 項目里，這位外國小哥給出了基礎 Python 教程以及數(shù)據(jù)科學 Python 教程。其他的部分，包括高級 Python、高等數(shù)學以及數(shù)學科學里的數(shù)學知識，目前都還是“即將推出”的狀態(tài)。
先學 Python 然后入門數(shù)據(jù)科學，這絕對是最高效的學習路徑。
在基礎 Python 目錄下，先給出超鏈接讓你學習基本算術(shù)運算和數(shù)據(jù)類型，然后介紹流程控制，包括if語句的使用，for 循環(huán)的使用等等。
關(guān)于函數(shù)的使用，在項目中，作者也給出了一個好的經(jīng)驗法則是：如果一件事情要重復做 3 次以上，那就寫一個函數(shù)吧，并根據(jù)你的需要決定調(diào)用次數(shù)。
除此之外，一些基礎知識也有介紹。包括如何定義函數(shù)，如何調(diào)用等等。
總之，資料非常豐富，對于一些問題講的不夠清楚的地方也給出了超鏈接轉(zhuǎn)到了相應的答案。
2. 完整的學習路徑
一個專業(yè)的機器學習工程師應該專注于 TensorFlow 和 Scikit-Learn。而使用 Scikit-Learn 主要能做的是端到端機器學習項目、線性回歸、分類、訓練模型、支持向量機、決策樹、集成學習和隨機森林以及無監(jiān)督學習。
使用 TensorFlow 能夠搭建：ANN - 人工神經(jīng)網(wǎng)絡，CNN - 卷積神經(jīng)網(wǎng)絡，RNN - 遞歸神經(jīng)網(wǎng)絡以及自動編碼器和做強化學習相關(guān)的項目。
除了使用這兩個框架之外，一些文章，網(wǎng)絡應用程序，reddit 線程，最佳實踐，項目和 repo 也非常值的看。
數(shù)據(jù)科學備忘單
https://github.com/FavioVazquez/ds-cheatsheets
真實數(shù)據(jù)科學/ML 項目的集合
https://docs.google.com/document/d/e/2PACX-1vRRC3ZIcvjFqEYEgnN9pptoWONr2mSGZJ4hSdL8Jpf2IpXdxjTc-d3jrpb98h59xJnZ3h1frUDydoxc/pub
TensorFlow中的教程和 ML 項目的集合
https://github.com/jtoy/awesome-tensorflow
其他 TensorFlow示例
https://github.com/aymericdamien/TensorFlow-Examples
更多需要收藏以及注意的文章，博客可以去這份資料中尋找：
地址：
https://github.com/clone95/Virgilio/tree/master/zh-CN/LearningPaths/Machine%20Learning%20Engineer%20Career%20Path
在學習機器學習時，數(shù)學知識應該掌握到什么程度？正如這份github的作者而言：
無論誰告訴你機器學習背后的數(shù)學很難...... 都沒有錯！但是你必須考慮到每次你要使用它時，機器都會為你處理它！因此，重要的是掌握主要概念并認識到這些概念的限制和應用。沒有人會要求你手工計算梯度！
注：在路徑這一塊，目前只有機器學習相關(guān)資料，商業(yè)智能和云計算都是待推出狀態(tài)
3. 專業(yè)化
這個類別中，目前存在的是數(shù)據(jù)預處理和有效陳述這兩個項目。同樣，其他的項目包括數(shù)據(jù)可視化、數(shù)據(jù)采集等都是待推出的狀態(tài)。
關(guān)于數(shù)據(jù)預處理，其實是個迭代過程的收集、組合、結(jié)構(gòu)化和組織數(shù)據(jù)。目的是為以后的數(shù)據(jù)可視化，分析和機器學習打下堅實的基礎。
每一個數(shù)據(jù)科學家或者數(shù)據(jù)工程師都應該具有清洗和構(gòu)造數(shù)據(jù)的能力。不同的數(shù)據(jù)類型，需要做出不同的數(shù)據(jù)處理。在做數(shù)據(jù)預處理的過程中最主要是有不要把數(shù)據(jù)當玩笑的心態(tài)。
首先在嘗試數(shù)據(jù)準備步驟時，先不要處理 GB 級別的數(shù)據(jù)。只需使用數(shù)據(jù)的小子集 ，但子集要具有代表性)
在做數(shù)據(jù)清洗工作時候，需要注意：刪除額外的空格、選擇并處理所有空白單元格、轉(zhuǎn)換值類型、刪除重復項、將文本更改為小寫 / 大寫、拼寫檢查、處理特殊字符、規(guī)范日期、驗證豐富數(shù)據(jù)、數(shù)據(jù)離散化、特征縮放等等。數(shù)據(jù)預處理是非常復雜的，你的最終目標是做到盡可能 自動化。
然后在數(shù)據(jù)分析中需要明確：你打算解決哪個業(yè)務問題 (什么是重要的，什么不是)；數(shù)據(jù)是如何被收集的(有噪音，缺失值......) ；你們有多少數(shù)據(jù)在那里，我在哪里可以找到他們？ (數(shù)據(jù)維度和從存儲中檢索)。
在學習數(shù)據(jù)預處理的過程中，你可以按順序選擇它們或選擇最適合你的那個，但建議你至少要一次把它們都看完。
總體來說有兩種類型的專業(yè)化：硬技能和軟技能。
前者是關(guān)于技術(shù)流程，是每個處理數(shù)據(jù)的人的核心工具包。使用數(shù)據(jù)是一種藝術(shù)形式，經(jīng)驗法則和最佳實踐將幫助你了解處理它們的方式。你需要對如何處理數(shù)據(jù)產(chǎn)生一種 “感覺”，這種 “感覺” 主要是由情況和經(jīng)驗驅(qū)動的。
后者是真正的價值促成者。如果有了軟技能，你可以成為世界上最好的開發(fā)人員或工程師，但如果你無法向受眾傳達你的建議和發(fā)現(xiàn)，或者使用數(shù)據(jù)來建議企業(yè)如何做決策，那么你對公司來說就毫無用處。
在向受眾傳達建議和發(fā)現(xiàn)時，需要的框架包括：設置、故事、情緒和感覺(你需要在你的受眾中重現(xiàn)它們)、結(jié)論的動機以及結(jié)論。
在說話時候注意使用第一個人，注意修辭問題，表達盡可能的自然，最后給出總結(jié)理由和實際建議。
4. 主題
這部分主要內(nèi)容是使用 DialogFlow，Python 和 Flask 打造 ChatBot。挺有意思的。簡單來說，ChatBot 是一種模擬人類對話(以文本和音頻形式）的計算機程序，我們將其視為智能和有用的。他們最重要的應用是個人或企業(yè)虛擬助手。
我之所以選擇了 DialogFlow，是因為：
融入 Google 的機器學習專業(yè)知識和 Google Cloud Speech-to-Text 等產(chǎn)品
是一項在 Google 云端平臺上運行的 Google 服務，可讓你擴展到數(shù)億用戶
非常適合初學者，直觀，并且具有完整而清晰的文檔
地址：
https://github.com/clone95/Virgilio/blob/master/zh-CN/Topics/DialogFlow.md
5. 工具
在學習的過程中，要熟練的使用Jupyter Notebooks、latex、Wolfram Alpha等等。
LaTeX 是一種標記語言(或者，如 官方網(wǎng)站 所述，“用于高質(zhì)量排版的文檔準備系統(tǒng)”) 用于創(chuàng)建精彩的論文和演示文稿。你在職業(yè)生涯中閱讀的幾乎所有論文都是使用 LaTeX 編寫的。
LaTeX 有幾個發(fā)行版，打開下面的鏈接可以看到
http://www.tug.org/interest.html#free
安裝后，你需要一個編輯器來編寫 LaTeX 文檔?？梢允褂媚阆胍娜魏尉庉嬈?，包括記事本，vim，nano，gedit 等，但建議你選擇免費和跨平臺的 Texmaker 。
Texmaker
http://www.xm1math.net/texmaker/
另外，推薦下面這個網(wǎng)站，它允許用戶在線編寫公式，并且還有大量符號，你只需單擊，生成所需的代碼即可。你還可以預覽公式，以便更容易確保所有內(nèi)容都正確編寫。
網(wǎng)站地址：
https://www.codecogs.com/latex/eqneditor.php
WolframAlpha (WA) 是一個計算知識引擎。其具有強大的數(shù)學能力，它可以成為一個非常強大的工具來幫助你進行計算。具體的功能包括基本計算、繪圖函數(shù)、求解方程、解不等式、矩陣代數(shù)、計算級數(shù)和、求導、計算積分、求極限等等。
GeoGebra (GG) 是一個功能強大的動態(tài)數(shù)學應用程序，適用于所有級別的教育，它將幾何，代數(shù)，電子表格，圖示器，統(tǒng)計和無窮小計算結(jié)合到一個易于使用的單一軟件。 GeoGebra 社區(qū)正以指數(shù)級增長，數(shù)百萬用戶遍布許多國家。 GeoGebra 已成為全球高等數(shù)學，科學支持，技術(shù)，工程和數(shù)學以及教學和學習創(chuàng)新軟件的領先提供商。
下載及使用教程：
https://github.com/clone95/Virgilio/blob/master/zh-CN/Tools/GeoGebra.md
然后是正則表達式，這是一種匹配一種編寫匹配字符串的模式的方法。
使用教程：
https://github.com/clone95/Virgilio/blob/master/zh-CN/Tools/Regex.ipynb
6. 研究
這部分包含了 Zotero 和即將推出的最新論文。Zotero 是一個書目參考管理工具。廣泛用于研究領域(撰寫研究，論文或文章) ，它可以收集研究結(jié)果，保留細節(jié)(文本和參考文獻) ，然后創(chuàng)建參考書目。這有效地優(yōu)化了研究結(jié)果和參考文獻的管理以及文檔和編譯。
更多細節(jié)，讀者可自行搜索和研究！
最后，附上完整的路徑圖，enjoy??
總的來說，這份 GitHub 項目內(nèi)容非常干！漢化版的資源極大地提高了學習效率。感謝原作者和漢化者的熱心付出和辛勤工作，該項目是機器學習非常好的入門教程，希望對大家有所幫助！
