全文共4039字，预计学习时长12分钟
图源：Unsplash
问：零基础，如何让人工智能和机器学习更简单，更容易上手呢？
秘诀就是找一家咖啡厅，要有美味的咖啡和充足的自然光。这样学习就变得简单啦。
小芯的朋友曾在Apple Store工作，但他想换一种生活，于是开始学习自己平时提供服务的这项技术——机器学习和人工智能。
但初学者有太多事情要做了，太多太多。
每周，Google或Facebook似乎都会推出一种新的人工智能服务以更好地提升用户体验。
他这里就不再说无人驾驶汽车了。它固然很好，不过他不喜欢开车，另一个觉得在路上也不安全。
尽管人工智能行业已经发展得热火朝天，但目前人们对于它的定义仍没有达成一致。
有人认为可以将深度学习视为人工智能，也有人认为，除非它通过图灵测试，否则就不能算是人工智能。
这在一开始就阻碍了他的学习，因为要学会有多种不同定义的东西真的很难。
真是受够了这么多定义。
如何入手？
图源：Unsplash
小芯的朋友准备一起创建一家网络公司，不过后来因怀疑其意义而中途放弃了。但在此过程中，他开始听到越来越多有关机器学习和人工智能的消息。
“电脑在为你学习？”真不敢相信。
偶然得知了Udacity的深度学习微学位。一个名叫Siraj Raval的角色出现在宣传视频中，这个人物形象十分有趣，宣传也极富有感染力。因此，尽管没有达到基本要求（他从未编写过Python），但还是注册了。
开课三周前，他给Udacity发邮件询问其退款政策。因为害怕完成不了这个课程。
事实是，他没有收到退款，因为在指定时间内完成了课程。这个课程有时真的很难，前两个项目作业就迟交了四天，但参与到使用这项世界重要技术中所带来的兴奋驱使着他一直向前。
获得深度学习微学位后，他就可以继续攻读Udacity的人工智能微学位、自动驾驶汽车微学位或机器人微学位。这些都不失为很好的选择。
不过他再次陷入迷茫。
经典问题——“下一步要做什么？”
需要一个课程表。他已经通过深度学习微学位打了基础，现在该想好下一步要干什么了。
自创人工智能硕士学位
近期他不打算回到大学上学，也没有10万美元去攻读硕士学位。
所以做了他一开始做的事——在网上寻找答案。
小芯的朋友在对深入学习领域一无所知的情况下就进入该领域了。相比逐渐攀登至人工智能的顶峰，他的经历更像是被直升机直接扔到了山顶。
在研究了一系列课程之后，他列出了在Trello上最感兴趣的一些课程。
Trello是他的私人助理，也是课程协调员。
他知道网上课程的辍学率很高，而他不想成为其中之一，于是给自己定了个目标。
为了让自己负起责任，他开始在网上分享学习历程。这样可以在网上交流所学的东西，同时寻找志同道合的人。就在分享他的人工智能学习经历时，身边的朋友仍认为他是个异类。
他的Trello课程公开了，同时也写了一篇关于他学习的博文。
相比第一次发博，现在的课程稍有些变化，但仍与之前相关。每周他都会多次访问Trello课程来追踪学习进程。
找工作
他是澳大利亚人，但所有事物都源于美国。
所以他做了一件最合乎逻辑的事情：买了一张单程票。是时候将所学技能付诸实践了。
他的计划是在美求职并得到录用。
随后，Ashlee 在LinkedIn上给他发了一条信息：“嘿，我看到了你的帖子，太酷了，我想你应该见见Mike。”
于是，他去见了Mike。
向Mike讲了网上学习的经历以及求学过程，同时也将去美国的计划告诉了他。
“你可以先在这里呆上一年看看能学到些什么，我想你可以见见Cameron。”
于是，他又去见了Cameron。
聊的话题和与Mike的类似，都是有关健康、科技、在线学习以及美国。
“我们正在研究一些健康问题，不如周四来听听呢？”
周四到了，他十分紧张。但有人曾经告诉他紧张和兴奋是一样的，他又突然开始兴奋起来。
他花了一天时间和Max Kelsen的团队见了面，讨论他们正待解决的问题。
两星期后，和首席执行官Nick、首席机器学习工程师Athon一起喝咖啡时，Nick问：“你想不想加入我们？”。
“当然，”小芯的朋友答道。
他把去美国的航班推迟了几个月，并且买了一张回澳的票。
分享学习生活
图源：Unsplash
网上学习并不是传统的学习方式。朋友申请的所有职位都有硕士学位要求，或者至少也要求某种技术学位。
而他什么学位也没有。但确实从大量在线课程中学到了一些技能。
求学的路上，他一直在网上分享学习历程。他的GitHub中包含了曾经做过的所有项目，LinkedIn中也包含了许多，还跟他人交流了他在YouTube和Medium上文章所学的知识。
他从没给Max Kelsen递过简历，但他们却说：“我们看到了你在LinkedIn上的个人资料。”
“你的学习历程就是一份简历。”
不管是在线学习还是攻读硕士学位学习，有一个自己学习或工作的历程集可以很好地帮助你在该行业中确立自己的形象或地位。
机器学习和人工智能技能有市场需求，但这并不意味着你要把它们藏在背后。再好的产品没有货架也卖不出去。
GitHub、Kaggle、LinkedIn或是博客，任何一个可以让别人看见的地方都可以。另外，在互联网上拥有属于自己的角落本身也是一件趣事。
如何开始？
你可以在哪里习得的这些技能？哪些课程比较好？
以上问题没有最佳答案。每个人的道路都不尽相同。有些人看书学得更好，有些人则需要看视频。
比开始学习的方式更重要的是开始的理由。
从动机开始。
为什么想学这些技能？
是想赚钱吗？
是想构建什么吗？
或是想要有所作为？
没有什么特定的正确理由。所有的学习方式都有自己存在的理由与意义。
从动机开始，是因为开始的理由比方式更重要。知道理由意味着事情变得困难时可以有所依靠，它能提醒你为什么开始。
找到动机了吗？很好。那么是时候学习一些很难的技能了。
朋友推荐了一些他试过的课程（按学习时间顺序）：
· Treehouse — Python简介
· DataCamp — Python简介 & 数据科学上的Python
· Udacity — 深度学习&人工智能微学位
· Coursera — Andrew Ng的深度学习
· fast.ai — Part 1, 之后是 Part 2
这些都是世界级的课程。他是个视觉学习者，看到事情做好时他能学习得更好，他所有的课程都是这么进行的。
如果你是完完全全的初学者，从一些Python入门课程开始，有些自信之后，就可以学习数据科学、机器学习和人工智能。DataCamp非常适合那些想要重点学习数据科学和机器学习的Python初学者们。
图源：Unsplash
对数学的要求有多少？
他的数学受到教育的最高水平是高中。其余都是在可汗学院学的。
大家对机器学习和深度学习所要求的数学水平都不尽相同。
如果想用机器学习和人工智能技术处理某一问题，这不要求对数学有深入的了解就可以得到好的结果。TensorFlow和Pythorch等可帮助略有Python经验的人构建最先进的模型，后台也会处理相关数学问题。
而如果你想通过博士课程或类似的方式深入研究机器学习和人工智能，那么数学知识是至关重要的。
就朋友而言，他并不打算对数学进行深入研究，也不打算进一步提高算法性能。他会把这些工作留给那些更聪明的人。
相反，他非常愿意在能力范围内使用库并在合适的时候使用它们来帮助解决问题。
机器学习工程师的实际工作是什么？
机器学习工程师实际所做的工作可能并不如你所想。
尽管平时在网上能看到许多文章的封面照片，但机器学习工程师的工作并不总是与机器人相关。
以下是机器学习工程师每天必须问自己的几个问题。
· 内容— 如何使用机器学习帮助更好了解你的问题？
· 数据 — 是否需要更多数据？需要什么形式？数据丢失时要怎么做？
· 建模 — 应该使用哪种模型？在数据上是否存在过度拟合？或者为什么不够拟合？
· 生产— 如何将模型投入生产？它应该是一个在线模型还是应该每隔一段时间更新一次？
· 保持——模型坏了怎么办？如何用更多的数据来改进它？有更好的改进方法吗？
以上是从fast.ai的创始人之一Rachel Thomas的一篇著作中引用来的，她在文章中有更深入的见解。
另外，以下视频记录了周一在Max Kelsen的活动。
没有特定的学习路径
进入机器学习或人工智能（或其他任何领域）的方法没有对错。
这个领域最美好的是大家可以接触到世界上最好的技术，我们所要做的就是学习如何使用它们。可以先学习Python代码，学习微积分和统计学，学习决策哲学开始。
机器学习和人工智能让人着迷，是因为它涵盖了很多领域。了解得越多，就越意识到还有很多东西要学，这难道不令人感到兴奋吗？
有时，如果代码不运行或者不能理解一个概念，大家都会感到沮丧，这个时候暂时放一下，让自己从问题中解脱出来，小睡一会儿，或者去散散步。等回来的时候，会发现自己能用不同的视角来看问题，那股兴奋劲就又回来了。
朋友在不断学习的同时告诉自己：我是个学习机器，贼强贼帅。
这个领域正在发生太多的改变，开始的时候可能会让人望而生畏。太多的选择可能导致没有选择。
但先别管这个！
图源：Unsplash
从你最感兴趣的地方开始，往前走。如果走向了死胡同，很好，这意味着你找到了自己不感兴趣的东西了。重新调整脚步，选另一条路走。
计算机虽然很聪明，但它们仍不能自学，它们需要你的帮助。
来~祝它们一臂之力吧~
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
来源：CSDN
作者：读芯术
链接：https://blog.csdn.net/duxinshuxiaobian/article/details/103697897