在阿里半年多的時間裏，從一個機器學習門外漢終於進入到門裏面了。下面給大家講講現在工業上整個機器學習流程和一些自己的體會。
學習過程：
1. 理解機器學習的一些基礎概念，像auc，梯度.... 大家參考《機器學習》 周志華。
2. 從基礎看起，先學習基礎模型，lr模型，gbdt模型，fm模型，ffm模型，現在有很多開源的代碼，最好是c++的，並用公開的數據集進行訓練，深入理解數學公式的每個細節，多看，多跑。如果有機會，最好你們公司內部有一個很好的項目，你能參與進去，從頭到尾搞一下還是不錯的，你會發現會受益匪淺，這也是自己，還有包括阿里其他同學寫模型的一致感受，條件不夠的話，可以先從單機版開始。
3. 把以上基礎都打結實了，就可以學習深度模型了，也就是業界所說的dnn，核心概念主要網絡，這個大家基礎學習可以看《深度學習》經典數據。
4. 基於分佈式的可以參考開源代碼庫ps-lite，具體細節就看你的悟性。
感悟：
其實寫模型還是比較簡單的，其實最核心還是數據，數據，數據，數據的理解。
做機器學習首先必須補充一些基礎數學知識，其次不要害怕，工業界的實現的算法都很簡單，正所謂仁者見仁，智者見智。共勉哇，大家加油。。。