今天申請了頭條號，想寫寫最近學習人工智能方面的一些心得體會，時下人工智能技術很火啊，我有幸在公司的技術部門裏鑽研人工智能、機器學習方面的項目，爲了本身的發展爲了公司的項目，開啓了我作爲一個小白的AI生涯。一方面爲了AI技術考慮，感覺把他當成一個筆記本記下一些學習過程中的一些技術點方便以後溫習，不見得有人看，或多或少一個分享吧。另一方面，把自己從AI小白入門到真正能獨當一面的數據科學家的經驗記錄下來（雖然能不能達到還不一定）。tips：順道賺點小錢^_^，不知道我碼字能給我幾毛錢。

我啊在大學是學計算機專業的，學的是java，來公司的第一年也是開發javaweb應用，對代碼還是有一定了解，對算法啊數據結構有種先天的牴觸，覺得都是大神玩的，跟自己不搭邊，日復一日的寫功能測bug，寫了一年倒是前後臺的東西都能寫寫。轉折在第二年，根據部門需要，我被強拉到技術部研究大數據，還沒進入部門，領導找我談話問我一些基本情況，一打聽只會java啊，不行啊，Linux是基礎你的學學，Hadoop體系你的瞭解瞭解。當時一臉懵逼，Linux完全不知道是啥，硬着頭皮去幹了，因爲不幹就沒飯喫，總之跟着鳥哥那本書大體把Linux給喫進去了，通過平時的積累對Hadoop體系也有了一定了解，也做過大數據相關的項目（好像偏題了，不過Linux和大數據跟人工智能也息息相關哦，後續相關的技術我也會記錄下來）

囉嗦了這麼多正題開始，我是今年剛接觸機器學習，深度學習的，純小白一個，一切學習的動力的開始都是被逼得，領導說我們有人工智能的項目，你研究一下吧，我就接盤了。玩着玩着感覺挺有意思的，慢慢的也就想深入進去了。一開始就上項目，基於深度學習的圖像識別，這個命題對我來說很大。我當然是不會呀，還好我們有技術研究中心，他們有研究深度學習的大佬，沒辦法領導說你跟着人家學啊，所以我每天都跟在別人後面，聽人家說啊思路啊怎麼寫啊，一些名詞比如：過擬合，超參啊聽不懂就去查什麼意思。代碼人家給我寫完讓我自己跑。問大佬大佬也不是啥都給你說。總之感覺效果並不是很好。

求人不如求己，我覺得是時候自學一下AI了，爲了工作也爲了自己將來的發展，公司不能看視頻，那麼看書吧，大佬推薦了幾本書，我開始入門了。都知道現在實現人工智能語言大部分都是python，python沒接觸啊，怎麼辦？去菜鳥教程裏通讀了一遍python，寫了點筆記，把自己認爲重要的記錄下來，以後可以用（kao）到（bei），讀完下來看懂還可以，真的去寫還是寫不出來，依賴百度，我安慰自己，也許百度的多了，寫的多了就記住了吧。現在感覺python比java好玩多了。輕量、功能強、易懂。python入門了，機器學習入門吧也得，在網上看了下，通讀了一遍《機器學習實戰》這本書，我讀的是中文翻譯版的（想抓緊時間提升基礎，所以讀的中文版），這本書我認爲是機器學習的入門級讀物吧，書中講了數據挖掘/機器學習的十大算法之中的八個：kNN，C4.5決策樹，樸素貝葉斯，SVM，Adaboost，CART，K-means，Apriori。另外還講了Logistic迴歸，線性迴歸，FP-Growth，PCA，SVD，MapReduce等經典實用的方法。書中對每個算法，首先是介紹算法，講解原理，我認爲本書原理講解部分略顯簡單粗略，我們可以在閱讀的同時也參考一些網上的blog，一些數學證明的部分可以參考paper，如果僅僅是打基礎瞭解的話，感覺這本書省略了複雜的證明，可以降低難度，節約新手的時間。本書的最大特點就是擁有非常詳細的代碼和解釋，主要使用了Python裏的Numpy庫和Matplotlib繪圖工具，可以非常便捷清晰的實現各個算法，對於小白來說不需要很高深的數學統計知識就能看懂，我感覺很友好。當然讀本書的目的是爲了更好的利用書中的項目案例儘快的融入到我們項目的實戰中去，其中的具體實現已經有點過時了，我還是推薦真正使用機器學習算法的時候，用當下火熱的pandas、sklearn庫去實現，簡潔明瞭，代碼效率高。可以盡情享受在實踐中學習的快樂了。

機器學習入門也做了幾個項目，寫了寫代碼，感覺數據預處理佔很大一部分啊，好的數據處理纔能有好的模型，爲此又去讀了《利用python進行數據分析》，這本書主要講的是教你怎麼在複雜的數據環境下，用pandas提供的方法快速，高效的實現數據的預處理。基本上做項目的時候用到的方法裏面都有提及。

入門有了，數據處理有了，接下來是分析，怎麼使用各個算法了，分類迴歸算法那麼多，啥時候用決策樹，隨機森林，啥時候用KNN，樸素貝葉斯？是時候強化一下算法的認識了，於是讀了《Python數據分析與挖掘實戰》，裏面根據實際項目循序漸進的從數據分析到算法推薦再到模型訓練評估，都會講，感覺很受用，到此機器學習的三把利劍我覺得都通讀了。爲啥我會選這三本書，其實我一開始很茫然，不知道如何開始。也看了下週志華的《機器學習》感覺偏理論，有些思路太深我也看不懂，而我不是學生了，項目很急等我去實現。一些實戰的書籍感覺更適合我，通過實戰再去看理論反而會有更深的理解，同時我也看了看視頻，發現大部分免費的機器學習的視頻講的很淺顯，有的還不如自己看書，一個知識點講半天，分好幾集，感覺要出52集電視連續劇的節奏，就放棄了。至於花錢的視頻教程，窮人一個就沒捨得花錢^_^。

碼了這麼多，我覺得還是一句話也是學任何東西都受用的，那就是：理論結合實際，邊學邊做。不要害怕上手，有什麼去寫去做比光看書理解的更透徹。目前我也開始向深度學習進發了，感覺有很長路要走，畢竟算法更復雜，在看《TensorFlow》，有什麼等後續在分享吧。。