理工酷

自学机器学习之前，我完全没有编程经验，中间走了不少弯路，花费了大量的时间研究。我认为一个初学者应该经历的过程有以下几点，希望对你有所帮助：
•参加所有涉及数据科学的在线课程，包括基本的ML、线性代数（可能是最重要的）、统计学、可视化、深度学习等。
•经常阅读。你可以去逛逛博客论坛，读经典的论文，期刊文章等。我把书放在床边，每天晚上睡前都会制定计划学习新的内容，扩充知识面。读要伴随着思考，每当我读到一些重点的章节或论文，我都会记录在笔记本上，把每一个推导过程都写下来，深入地研究它。下次遇到类似的问题时我会重读我的笔记，包括我自己的想法，逐渐地掌握它。
•不断学习和重新学习一切，直到它成为第二天性。你在学习的过程中可能会很多次遇到线性回归这样简单的概念，请尝试着每次都从一个新的角度去理解它。
•编程时也要这样做。我认为我的Python水平是很高的，因为掌握ML的前提是你需要成为一名优秀的程序员。我认识很多有才华且知识渊博的数据科学家，但即便如此，编程技能不过关只能让他们在这个领域几乎一无是处。
•每天阅读你所选语言的新工具和软件包。有意识地将它们集成到工具箱中，善用这些工具可以帮助你编程时减少一个过程的表达式甚至一行代码。保持这样的好习惯，日积月累后你的实力会有明显的提高。
•尽可能多地进行实战。处理尽可能多的数据集，并了解所有经典的ML算法如何与数据结构交互。每个数据集都有自己的特性，你需要熟悉各种各样的数据。
•找一份与ML有关的工作。成功的实战会激励你继续研究ML。也许，一开始会很难，请每天至少坚持几个小时，直到你几乎再也受不了。

最终，你会完成你的目标，我就是这样做的。