万事开头难!如何系统的开始机器学习?



随着越来越多的企业探索机器学习,对技能的需求也在不断上升。谷歌,微软,IBM和AWS只是一些在机器学习,创建API和开发一些复杂的深度学习框架的领先者。随着新领域的技术被开发并成为主流,对相关IT从业者职位的的需求开始上升。那么该如何开始机器学习?

万事开头难!如何系统的开始机器学习?

什么是机器学习?

在1959年由IBM的计算机科学家Arthur Samuel首先提出,“机器学习”基本上使计算机不需要直接编程即可学习。

机器学习(ML)基本上是我们今天认识到的AI的应用,例如执行“聪明”任务的机器。它经常与人工智能(AI)混淆,ML有点不同。 AI是连接和“智能”机器的总称,以及它们执行的任务。

所以,尽管ML是机器在没有命令的情况下执行任务的科学,但是AI指的是能够进行智能行为的机器。

需要什么技能?

成为机器学习从业者或工程师的道路并不容易。你将不得不有一个良好的技术知识基础和分析/数学的匹配。

首先,你应该提高你的数学技能。机器学习本质上是应用统计学和数学。掌握应用数学和统计学工作是非常重要的,因为这将帮助你更容易地选择算法序列。进入图书馆阅读统计和概率模型,甚至可以查看二次规划和偏微分方程,因为所有这些将在后续需要创建自学习算法时帮助到你。

你也应该有一个数据库,来统计编程语言的知识。Python和R编程语言都是很好的选择,因为它们能够处理大型数据集和统计信息。其中,Python非常易读易学,但是R提供了一个更完整的统计语言。现在从数据科学的角度,Python或R,以及C++具有脚本功能和加速代码的能力。

在机器学习中,你需要修改和修改数据集的结构,你很可能会使用Hadoop HBase来存储,所以学习Java将是有利的(Hadoop建立在Java上)。

理想情况下,你就会有一个学位或深入计算机科学,计算机与结构的扎实的知识的学问,如栈,队列和多维数组,以及数据建模结构。

最后,需要有使用Unix工具的一些经验。鉴于大多数机器学习处理主要在基于Linux的机器上运行,所以Unix知识是关键。

万事开头难!如何系统的开始机器学习?

哪些行业正在使用机器学习?

尽管机器学习在某些方面对大多数企业来说是急需掌握的,但采用仍然需要注意,而且绝对不是标准。

金融部门已经看到了ML的特殊应用,银行为算法技术找到了许多用途。例如,银行可以通过巨额交易数据集使用ML来打击欺诈行为,以发现异常行为。事实上,金融领域的无数事情可能会依赖ML,从信用卡应用程序和算法培训到AI管理的基金和聊天机器人。

万事开头难!如何系统的开始机器学习?

但它并不止于此。医疗保健可以从ML中获益很多。机器将能够发现和追踪危及生命的疾病,就像在金融服务的文件中发现异常一样。

交通运输也将看到机器学习的影响,并在一定程度上已经有了。在铁路轨道传感器和传感器中可以看到其中的例子,以监测路面损耗带来的风险可能。

来源:https://www.toutiao.com/a6521194495038456333/


0