机器学习的路线

之前，在公众号上写了一个专辑《进军机器学习》，时间跨度两年了，还是学学停停，同样学习的朋友都已经到深度学习、神经网络、强化学习了，而我还在机器学习的门口左右徘徊。关于机器学习的学习，我有很多经验，因为我深深的知道不花钱是不能够学到东西的，毕竟充值才能让你变强的道理，我也知道不立Flag不能办成事的警句。

我的Flag历史，最早可以追溯到2018年，距今已有两年了！截图如下：

关于充值使你变强，我的做法是：买了很多书，买了很多课程，报了一些班。

虽然买过之后特别有学到东西的满足感，花钱的快乐就是好，但是很多书都放在书架上只能睡觉，很多课程在电脑上都在做梦，试想一个王者荣耀都没有上过星耀的3年玩家，有什么资格谈论坚持和努力的意义呢？

下面这个Udemy的课程，《从A-Z通过R和Python学习数据科学》，目前进度是2%，真的是：睡觉，做梦，不醒来……

如果所看即所得，所买即所有，所读即所懂，该有多好啊，醒醒吧，少年！

学习路线

成年人的学习，不需要循序渐进，或者从头打基础开始学习，走到哪里，就学到哪里，学到哪里，要理解到哪里，这样才可以。

很多书中介绍的机器学习的路线如下：

• 语言的入门，R，Python，Julia
• 基本汇总统计，可视化
• 生物统计：方差分析，回归分析等等
• 多元统计分析，PCA、聚类，对应分析，判别分析等等
• 机器学习 | K近邻及朴素贝叶斯
• 机器学习 | 决策树及集成学习，随机森林
• 机器学习 | 文本挖掘，社交网络
• 机器学习 | 支持向量机，神经网络
• 机器学习 | 深度学习

该做的反思及应有的计划

该做的反思：
问题就在那里，你不去解决，它一直是问题。而掌握机器学习的知识，在实际工作中，应用这些知识去解决问题，提高自己应该是我的目的。

应有的计划：
关于语言，R和Python基础也有了。
关于生物统计，方差分析，回归分析也入门了。
关于多元统计分析，PCA，聚类也了解了。

段子：最近想做无人驾驶

A: 人工智能，无人驾驶比较有前景
B：怎么样，你想学习相关知识么？
A：想法已经有了（学习的目的），要实现的结果也有了（实现无人驾驶），剩下就是最简单的找个程序把它实现了
B：……

然后，我要做最简单的部分：学习机器学习了……

下面就应该重点学习机器学习的部分了，这部分了解一下原理，敲敲代码，理解一下结果，把主流的方法走一遍，把自己的统计水平提升一个Level。

如何学习

目前的书中，课程上，都有示例数据和代码，跑一遍，看一下理论，查一下资料，做一下总结，写一下博客。

我的目前的知识结构

做一个脑图，总结一下。

可以看到，我对于生物统计，知识相对比较扎实，但是对于机器学习，就有点力不从心！

目前在学习的路上，希望过一段时间，自己也能把机器学习这一块的内容多多学习一点，把自己的知识框架搭建的更加完整。

大家一起加油呀