不要一上來就學(xué)機(jī)器學(xué)習(xí)，要先學(xué)會(huì)用機(jī)器學(xué)習(xí)模型構(gòu)建軟件

如果你決定開始學(xué)機(jī)器學(xué)習(xí)，并且按照常規(guī)的方式開始學(xué)習(xí)，那么很可能出現(xiàn)這樣的情況：學(xué)習(xí)線性代數(shù)和多變量微積分兩周后就選擇放棄。

原因在于，大多數(shù)機(jī)器學(xué)習(xí)的入門材料不是面向開發(fā)者的，而是面向機(jī)器學(xué)習(xí)研究人員開發(fā)的，而對(duì)于只想使用機(jī)器學(xué)習(xí)來構(gòu)建產(chǎn)品的開發(fā)者來說，這些材料未免太難了。

在20年代末，機(jī)器學(xué)習(xí)或多或少只是一個(gè)學(xué)術(shù)研究問題，在實(shí)際產(chǎn)品中使用機(jī)器學(xué)習(xí)的公司并不多。

因此，很多機(jī)器學(xué)習(xí)的入門資料都是從這個(gè)學(xué)術(shù)研究的角度出發(fā)，它首先從數(shù)學(xué)的角度解釋了神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)背后的理論知識(shí)、反向傳播和對(duì)抗性網(wǎng)絡(luò)等等。

即使不是屬于大學(xué)課程的學(xué)習(xí)資料也是沿用了這個(gè)模式，例如，這句直接摘自Tensor Flow的中的一句話：

很顯然，如果你已經(jīng)掌握了機(jī)器學(xué)習(xí)背后的數(shù)學(xué)知識(shí)或者你對(duì)學(xué)習(xí)機(jī)器學(xué)習(xí)本來充滿了興趣，那么這種學(xué)習(xí)方法對(duì)你來說會(huì)是可行的。但是，如果你主要是想在構(gòu)建產(chǎn)品加入機(jī)器學(xué)習(xí)，那么這可能不是你需要的。

就好比你想學(xué)習(xí)程序設(shè)計(jì)，這種方法就像先學(xué)習(xí)匯編代碼，然后學(xué)習(xí)寫代碼，事實(shí)是幾乎沒有面向產(chǎn)品的開發(fā)者是這樣學(xué)習(xí)的。

當(dāng)你學(xué)習(xí)代碼時(shí)，你很可能是通過使用高級(jí)語言寫“hello world”來入門的，然后，當(dāng)項(xiàng)目變得稍微復(fù)雜了些，你會(huì)按照需求學(xué)習(xí)越來越多的低級(jí)編程。

如果你在構(gòu)建自動(dòng)推薦引擎和發(fā)表論文，那么你就應(yīng)該去學(xué)習(xí)機(jī)器學(xué)習(xí)本身，如果只是想構(gòu)建產(chǎn)品，那么你需要通過構(gòu)建軟件來學(xué)習(xí)機(jī)器學(xué)習(xí)。

如果你喜歡通過線上課程來學(xué)習(xí)，那么最好的資源或許就是fast.ai的Practial Deep Learning For Coders，fast.ai是最有發(fā)言權(quán)的機(jī)器學(xué)習(xí)倡導(dǎo)者，它推薦使用自上而下、理論實(shí)踐相結(jié)合的學(xué)習(xí)方法來學(xué)習(xí)機(jī)器學(xué)習(xí)。

課程鏈接：

https://course.fast.ai/

當(dāng)然，這篇文章的目的不是為fast.ai做廣告，只是想說fast.ai的創(chuàng)始人Jeremy Howard和Rachel Thomas成功地把幾門課程整合在一起，這些課程讓開發(fā)者構(gòu)建產(chǎn)品、深入了解項(xiàng)目相關(guān)的底層邏輯。

另外，如果你是那種通過深入了解并且自己構(gòu)建知識(shí)體系，以此可以達(dá)到最大的學(xué)習(xí)效果的人，那么學(xué)習(xí)機(jī)器學(xué)習(xí)就和你學(xué)過的編程語言一樣。挑選一個(gè)聽起來讓你感興趣的項(xiàng)目，并深入其中學(xué)習(xí)就可以了。

這里推薦一種熟悉機(jī)器學(xué)習(xí)的好方法：

確定目標(biāo)，例如構(gòu)建文本自動(dòng)填充器或車牌識(shí)別器。

找到一個(gè)適合你項(xiàng)目的預(yù)訓(xùn)練模型，比如用GPT2和YOLOv3分別適用于前面提到的文本自動(dòng)填充器和車牌識(shí)別器。

如果你覺得太復(fù)雜了，你甚至可以使用GPT2-simple這樣的庫來微調(diào)你的模型（根據(jù)數(shù)據(jù)集定制）。

最后，將你的模型部署成一項(xiàng)小型應(yīng)用。

一旦你有了一個(gè)API接口的模型，你就可以像其他查詢web服務(wù)一樣，并且圍繞它構(gòu)建你的應(yīng)用程序。

通過這種學(xué)習(xí)方法，可以促使你了解到不同流行的模型構(gòu)架和機(jī)器學(xué)習(xí)的方法，以及它們的使用場景。同樣重要的是，你將學(xué)習(xí)機(jī)器學(xué)習(xí)基礎(chǔ)構(gòu)架，這對(duì)構(gòu)建真實(shí)的產(chǎn)品至關(guān)重要。

如果你是一名工程師，你可能已經(jīng)學(xué)習(xí)過實(shí)現(xiàn)了某種形式的身份驗(yàn)證，這意味著你很可能用過散列密碼。

那么當(dāng)你設(shè)置散列密碼時(shí)，你是否有自定義散列算法？你花了幾周時(shí)間去研究密碼學(xué)？還是說你只是使用內(nèi)置的加密算法bcrypt。

同樣，當(dāng)你構(gòu)建你的第一個(gè)Web應(yīng)用程序時(shí)，你是否花了幾周時(shí)間去學(xué)習(xí)數(shù)據(jù)庫？你是否從頭開始編寫自己的數(shù)據(jù)庫？還是說使用了你最喜歡的框架所附帶的ORM？

這些問題的邏輯同樣也適用于機(jī)器學(xué)習(xí)，如果你是那種喜歡構(gòu)建軟件的人，那就從構(gòu)建軟件開始，從工具、預(yù)訓(xùn)練模型和機(jī)器學(xué)習(xí)框架中抽象出底層的機(jī)器學(xué)習(xí)理論。如果你依然很好奇或者你的項(xiàng)目需要更高的復(fù)雜度，那就深入進(jìn)去，看看這一切是如何運(yùn)作的。