對初學機器學習的三點建議

人工智慧與機器學習已經成為當今的熱門話題，這對程序員的要求也越來越高。如果你接觸過很多項目原型，可以幫助你掌握新的庫類與方法，當然作為初學者也應該多掌握和積累一些庫類的使用，以便更好地用在機器學習上。除了庫類，演算法是另一個重要的學習工具。尤其是對演算法的數學理解。如何具體深入機器學習中去？答案是需要選擇好自己的路徑。怎樣選擇適合自己的路徑呢？筆者有以下幾點建議：

一、選擇適合自己的語言工具

AI和機器學習需要強大的數據處理，所以Python和R在數據處理方面的優勢就顯現出來了。Python的類庫比較豐富，同樣也是面向對象的語言，而且編程的內容帶有解釋性，具有較好的可讀性，容易理解和上手。同時Python對C類語言的粘合度比較好，如果有一定C/C++的基礎，那麼對Python的應用也會得心應手。R語言也是開源的，在統計分析上有廣泛的應用，R語言的方便之處還在於它可以在Windows系統上運行。R語言和Python語言一樣存在跨平台兼容問題，R語言雖然也有強大的計算能力，但Python在編程方面更適合寫AI程序。

二、選擇適合自己的開發平台

Linux有很多版本，但作為開發者，筆者建議使用英文原版，這樣在日後添加組件的時候有一個統一的語言環境。同時，也不建議開虛擬機，這樣在做大項目處理數據的時候容易卡頓和崩潰。尚學堂陳老師指出Linux不是萬能的，但用作Python開發是比較合適的。所以筆者建議用Linux作為開發平台，這樣在學習階段。雖然Python不具備跨平台的特性，但Linux卻可在很多種類的計算機硬體中植入，這就讓Python開發的人工智慧程序有了運行的基礎。另外Unix支持R語言，但操作起來比較繁瑣，不建議初學者學習。

三、具備相應的數學與編程基礎

從事機器學習開發工作，大學的數學基礎必不可少。微積分、線性代數、概率論與數理統計是必修課，如果你對神經網路有研究，在機器學習的過程中便可以把理論理解得更深。未來的AI和機器學習更多的情況下是面向大數據的，所以有牢固的統計學知識作為背景是非常理想的。永遠不要忘記，編程本身就是在寫演算法，計算機科學終究是數學的一種分支。

作為計算機基礎，C語言的功底月紮實，對Python掌握的速度也就越快，這也凸顯了C語言在計算機專業的基礎作用。

最後總結一段話

選擇自己喜歡的工具或類庫，深入研究它；機器學習是一種高級的編程，其核心依舊是演算法；雖然最好的開發語言是Python、R，但並不限於這兩種，如果選用其他語言，本質上只是演算法的移植。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！