程序员可以进入机器学习的正确姿势

ゝ一世哀愁。 2022-09-11 01:11 139阅读 0赞

### 文章目录 ###

*  内容介绍
 *  设计师想要编码
 *  程序员想做机器学习
 *  两个机器学习场两个方面：
 *  程序员喜欢的工具

# 内容介绍 #

我将向你们展示，学习机器就像学习任何其他高科技一样。

我们将把学习机器和学习编程放在第一位，这可能是一个更大的挑战。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]

# 设计师想要编码 #

一位年轻的网页设计师说，假装你是一名设计师。你可以在Photoshop或其他东西中制作网页设计，也许还会剪掉一些设计，并将它们转化为CSS。你和程序员呆在一起，也许你有一点代码嫉妒。你可能想学怎么编码。不管是对还是错，你都认为CSS和HTML是“实际上的编码”，它都是创造性的表达，编程只是你创造力的另一种媒介或出路。

你会得到地图上到处都是的答案。你会得到一些经验丰富的专业程序员给你免费的建议，比如“学习ANSI C和指针”、“学习二进制”、“购买一本关于ASM的书”、“从LISP开始”。也许一个有口才的沟通者会顺道来给你写一个很长很有说服力的回答，说你真的应该买下Knuth的书计算机编程艺术。你接受了他的建议，在亚马逊上买了书，在后悔购买之前就开始了介绍，恨自己不够聪明，放弃了学习代码的兴趣，三个月后又重复了同样的循环。

**发生了什么？这个建议似乎是个好建议。**

问题是这个建议是有追溯力的。这个建议来自于程序员，他们在思考自己的技术，以及那些已经是程序员的人如何才能成为更好的程序员。这个建议并不认为是一个绝对的初学者，一个有兴趣的业余爱好者想要蘸他们的脚趾，看看他们是否想去游泳。

现在我同意了，世界现在有点不同了。这个问题已经被识别出来，并且有很多服务来解决这个问题，也就是教人们如何编写代码。

当然，也许我们学习了指针、二进制、ASM和LISP，甚至读过Knuth的部分(没有人真正阅读它来涵盖对吧？)，但这是后来出现的。但你是怎么开始的？我一开始就把事情搞得一干二净，尝试，实验，创造和学习。我后来深入研究了技术细节，因为我想要创建更大、更好和更强大的程序。我不是从技术细节开始的。我认为对于很多程序员来说，这种经历可能是相似的，对你来说是这样的吗？留下评论。

# 程序员想做机器学习 #

现在，如果你正在阅读这篇文章，你可能是一个程序员，或者某种类型的开发人员。想想你对机器学习的兴趣。你有没有看过一些经验丰富的、专业的机器学习者的回复，给你免费的关于如何开始的建议？

我一直在寻找和阅读这个建议，有些是好的，但大部分不是。我在下面收集了一些样本：

**学习机器需要什么数学技能？**

您绝对需要熟悉基本线性代数(操作向量和矩阵)，并处理对数函数和指数函数。  
如果你想让事情变得“简单”，你需要通过特征向量了解线性代数。

**数学背景强是数学专业的必要条件吗？**

您确实希望对概率、线性代数、线性规划和多变量微积分有一定的了解。

**机器学习工作需要哪些技能？**

首先，你需要有一个良好的CS/数学背景。ML是一个高级的话题，所以大多数教科书都假设你有这样的背景。  
统计、概率、分布式计算和统计。  
有一些真正伟大的建议在那里，但这一建议是否适合于绝对初学者？程序员把脚趾浸入水中测试温度合适吗？

也许人们问错了问题。另外，我还挑选了一些答案，这些答案暗示人们需要数学，然后才能开始机器学习。我想指出的一点是，初学者会把注意力集中在他们没有的和不能做的事情上。他们可能还没试过就放弃了。

我完全同意，对线性代数和概率有很强的掌握将为进入机器学习提供一个极好的基础。我绝对同意统计学习要素是一本多层面的书。我只是不认为对机器学习感兴趣的程序员应该做的第一步就是上一门数学课或者阅读关于这个领域的密集的理论处理。我强烈反对。

# 两个机器学习场两个方面： #

**1.实用机器学习**

这涉及查询数据库、清理数据、编写转换数据的脚本、将算法和库粘合在一起，以及编写自定义代码从数据中提取可靠的答案，以满足困难和未定义的问题。是现实的混乱。

**2.理论机器学习**

这是关于数学、抽象、理想化的场景、极限和美，并告诉我们什么是可能的。它是一个更整洁，更干净，并从混乱的现实。  
没有理论的一面，实际的一面就不可能有框架和严谨。没有实践的一面，理论方面就没有意义或动机。这种二分法是错误的，它确实是一个工具和方程式的海洋，但请与我同在。

作为一名程序员，你可能对实际的一面有兴趣，但作为一名“技术人员”，你会达到极限，需要对理论方面有一个了解，才能有效地即兴发挥。你必须阅读数学处理算法，你必须工作在密集的教科书。这就是在这个领域做得好的原因。问题是，从业者给初学者的建议是自由的，是理想化的，适合中间的，不适合初学者的。

# 程序员喜欢的工具 #

我认为，对于一个有经验的程序员来说，把机器学习看作是一个高级编程主题，比如线程(现在就跟我说)是很有用的。

如果你想进入线程，你只需编写一些多线程程序，并了解它可以释放的力量。你犯了各种各样的错误，但是你的一些原型工作，你会瞥见什么是可能的。如果你认为这是给你的，你可以读书，更深入。

您可以使用现有多线程结构的库，您可以编写自己的库，您可以深入了解各种线程结构背后的一些更多的数学主题。您让您的兴趣驱动您学习，最终您可以可信地构建和部署生产多线程代码。这是一个过程，不是一个步骤的改变。

显然，机器学习是一个更大、更多样化的领域，但我主张的是一般的阶段性策略，并将在以后的文章中详细阐述。

你不会从一个初学者到一个团队，把机器学习系统投入生产。危险地带是真实的。你可以也会学到足够多的东西，足以让你变得危险。但是，你的自律是通过运用编程工具(也是你的代码评审过程、同行和导师以及常识)来限制这些非常真实的危险的。

就像学习编程一样，机器学习是一个学习不结束的旅程，掌握真正意味着继续教育。如果你感兴趣的话，学习阅读方程式，把它们转化成代码，并写你自己的问题，你的问题可能会在你感兴趣的过程中停下来。

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/e598d8d7acc04037bf1f5ced6eb4a0bd.png