机器学习建议

不要看网易的andrew ng公开课了。时间太久远，很多东西都不一样了(这个跟写程序也是一样的，太落后的东西没啥用，除非是经典问题)。看视频的话，看andrew ng在coursera的machine learning视频，14年machine learning的刚要开课，推荐报名，跟着上课，做课后习题和期末考试。(因为只看不干，啥都学不会)。。

另外，重点是你要学ML干什么？可选项有如下这些。给出一个选项，可以更针对性的说明应该学什么:

• 最快最方便的使用一个通用方法做一个分类器或者回归器(例如验证码识别,etc)
• 从理论上想改进某一种机器学习的学习算法或数据结构(模型)
• 更好的了解各种机器学习算法的特点，应对不同的问题，选择不同的方法。
• 利用现在的硬件产品(显卡，集群)，更好的实现一套机器学习算法。

基本上上面这些都是学Machine learning的一些点，每个方向要学的东西都不一样(虽然基础还是基础)，甚至很多方向不需要学，只需要用一些现成的东西就好。用现成的东西，好处就是速度快，成本小；坏处就是不明白细节。

只要学习机器学习，一定会看的书籍我推荐一下:

• Mitchell 的《机器学习》。Mitchell是机器学习的鼻祖，第一个提出机器学习概念的人。这本书很薄，很简单。内容很陈旧，但是都是机器学习的经典问题。而且，这本书概念清晰正确(很可贵啊，又简单又正确的书，说明作者功力很强)。
• Simon Haykin的《神经网络与机器学习》。 事实上，现在常见的很多机器学习算法都发端于神经网络，像SVM，深度学习，CNN等等。这本书详细的介绍了神经网络及其相关算法的所有细节。如果想深入了解的话，可以看一下。只想运用的话，也可以随便翻翻算法的介绍。
• AIMA，《人工智能：一种现代的方法》。基本上学术界的人们都认为机器学习是人工智能学科的下属分支(另一部分人认为是统计学或者数学的分支)，所以，一本人工智能的书也是学习机器学习可以参考的方面。

另外，如果想找这方面的工作，尤其是大企业的工作，主要看你发了哪些论文，开发了哪些系统，而不是看你用XX开源软件多熟练。你懂的，毕竟熟练使用一个软件并不是这个领域的关键问题。