大数据文摘作品转载具体要求见文末
作者
NamVu选文
寒小阳
翻译校对
Mirra吴蕾寒小阳
◆◆◆
这是什么
作者受GoogleInterviewUniversity启发而写了这个教程。
作为一名移动开发人员，这是我做的向机器学习工程师转型的学习计划，需要花费几个月时间去完成。我的主要目的是要找到合适的学习方法，以及适合于初学者入门的的数学知识摘要和一些实践类的指导。这并非常规途径，而是自上而下的，专注于结果的方法，专为软件工程师而设计的。
如果你有任何建议，请不吝指出，使之更趋完善。
先花几分钟看看目录，再继续往下读：
因本文中有大量的课程链接，不方便呈现，因此，有兴趣者可以戳下方阅读原文，根据原文查找相关内容，获取学习计划checklist
◆◆◆
目录
·这是什么？
·为什么要用此方法？
·如何运用？
·跟我来
·不要觉得自己不够聪明
·关于视频资源
·预备知识
·每日计划
·激励
·机器学习概述
·精通机器学习
·机器学习的乐趣
·机器学习：深度非技术指南
·典故和经验
·初学者丛书
·实用丛书
·Kaggle知识竞赛
·视频
·慕课
·成为OpenSource贡献者
·社区
·我所仰慕的公司
◆◆◆
为什么要用此方法？
我准备按照这个学习计划，为我未来的工作去做些准备。从年开始，我就一直在做移动应用开发（Adroid/iOS/Blackberry）。我大学学的是软件工程专业，并非计算机科学，学过一些基础课程：微积分，线性代数，离散数学，概率和统计等。我对机器学习的兴趣在以下方面：
没有计算机科学硕士或博士的学位，我能在机器学习领域学习并且找到一份工作么？
可以的，不过还是比真正进入到这个领域后的难度要高。
作为一个自学过机器学习的课程软件工程师，却没有在工作中实践过，如何找到一份机器学习相关的工作呢？
我正在为我的团队寻找机器学习专家，不过你的慕课学习没法给你送去一份工作（后面有一些好消息）。事实上，很多机器学习专业的硕士也找不到相关工作，因为他们对此没有深入理解，无法帮我解决问题。
找一份机器学习的工作，究竟需要什么技能？
首先，你必须拥有良好的计算机科学/数学背景。机器学习是个很先进的学科，所以大多数教科书都是基于你已经有了这方面的基础而编写的。其次，机器学习是个通用的课程，里面有细分了很多不同方向的专业，需要有专业技术知识。你可以去浏览一下MSprogram的机器学习方面课程和教科书。
统计，概率，分布式计算。
我感觉这对我有难度。
就我所知，机器学习有两方面:
·机器学习实践：主要是数据库查询，数据清理，写一些脚本来转换数据，把算法和library并起来，通过自定义代码，从定义不清晰的很难的问题里面最终挤出一些可靠的答案。这就是混乱的实际情况。
·机器学习理论：这是关于理想状态下的研究，也就是说研究数学的，抽象的，理想情况下的，有限制的，美好的，可能的情况。这是完全排除了混乱的实际情况之后，非常干净的理想状态。
我觉得，关于以实用为导向的最好学习方法，莫过于“实践-学习-实践”，就是说，学生在项目中遇到了实际问题，先熟悉一下这个领域的传统方法。在练习了一段时间有了基本经验后，他们可以看书学习这方面的理论，来指导未来的进阶练习，提升解决实际问题的能力。学习理论知识能够进一步提高对于基础经验的理解，使他们更快得掌握更先进的技能。
这对我来说是一个长期计划，会需要几年时间去完成。如果你对这方面已经比较熟悉了，那会大大缩减所需时间。
◆◆◆
如何运用
下面都是轮廓性的描述，你要从头到尾逐项进行。
我喜欢用Github的Markdown来写，包括任务列表来检查进度。
创建一个分支，检查好了就打个叉。
◆◆◆
跟我来
我是个越南的软件工程师，非常向往到美国工作。我正在学习的过程中。你知道我付出多少努力吗？白天忙碌工作后，每晚还要花4小时进行学习。
◆◆◆
不要觉得自己不够聪明
学习了那些微积分，推论统计，线性代数那些预备课程后，我非常失望，因为我还是不知如何起步……可以看看下面的链接：（鉴于