好書推薦|人人都能讀懂的機器學習《零基礎學機器學習》

本文作者：黃佳，新加坡埃森哲公司高級顧問，人工智能專家，機器學習和雲計算高級工程師，參與過公共事業、醫療、金融等多領域大型人工智能項目。

1

走下神壇的機器學習

我們馬上就要進入20世紀的第3個十年啦，而人工智能和機器學習，也已經火了差不多有六七年的時間。

從Hinton團隊在2012年的ImageNet大賽中用神經網絡模型一舉奪魁開始，AI頻頻出圈。2014年吳恩達在Coursera開了機器學習課，2015年周志華老師出了西瓜書，而2017年李彥宏把無人駕駛車開上了北京五環路，AlphaGo打遍天下無敵手，波士頓動力機器人學會了後空翻，人工智能熱到了極致。

大家覺得，生活和信念正在被顛覆，嶄新的時代即將來臨。

到了2020年，雖然人工智能和機器學習熱度仍在，卻沒有什麼“驚天地泣鬼神”的新東西出場，和前兩年相比，機器學習在媒體中的熱度降溫了。

那麼，機器學習還香嗎？內捲了嗎？

現在開始學機器學習，還來得及嗎？

先說一件事：

也就是兩、三年前吧，有天早上一小美女同事帶着熬夜排到的iPhone進了公司。大家呼啦一下圍上來。最開始屏幕是鎖着的，然後小姐姐面帶着微笑把電話往自己臉前一晃——好帥啊，手機解鎖了！當時我們這些圍觀羣衆都驚呆了……心想這什麼黑科技啊……

這場景要是在今天重放一遍，大家會不會把我們全體人當傻子？—— 老土啊！不就是一人臉識別嗎？這破技術早都爛大街了……

我說這件事是什麼意思呢？——現在技術落地的速度，實在是太快了。一種“黑科技”，從實驗室裏面走出來，從學術界到工業界，簡直是零距離。

事實上，機器學習開始真正吸引眼球，是從其分支深度學習的出現開始的。作爲一種突破性的技術，深度學習把AI提升到了一個嶄新的高度。

新的飛躍確尚未出現，但是機器學習和深度學習在數據分析、計算機視覺、自然語言處理、自動駕駛和機器人等場景中，具體的應用一個接一個的落地，層出不窮。因此，深度學習之後的主要發展，不全是技術的發展，而是實際應用場景的廣泛拓展。

因此，我的答案是機器學習並沒有內卷，他正在走下神壇，從學術殿堂的象牙塔中逐漸落地，成爲一種應用技術。

在未來的AI世界中，會存在兩種人：

第一種是繼續尋求AI創新的算法工程師、數據科學家，努力尋找更好的算法和新的技術突破；

第二種是機器學習的應用者，對他們而言，機器學習就向Java/C++、Excel/PPT一樣，只是解決問題的一種手段。是像英文、駕車一樣不得不會的工具。

第二種人會比第一種人多很多，也一樣會很有價值。

也就是說，只要你從事與大數據、IT相關的工作，你可能就得多少學點機器學習的知識，多少會使用一些機器學習模型。——即使你的目標並不一定是成爲機器學習和算法工程師。

也許：

你需要對未來的業務數據進行預測——可以應用迴歸和分類模型；

你需要進行大數據的分析和處理——比如開發或優化推薦系統；

你需要對非結構化的圖片進行特徵提取——比如爲產品加入人臉識別功能；

你需要通過強化學習訓練智能體——比如訓練更聰明的聊天機器人。

下圖是一些機器學習的種類和應用場景，大家可以看看（覆蓋未必很全面，因爲機器學習的應用領域發展太快）。

機器學習的種類和應用場景

2

爲什麼寫這本書

《零基礎學機器學習》

作者： 黃佳

限時5折

這本書，正是寫給需要“懂”機器學習，並需要在工作中用到機器學習技能的人的。

市面上，深奧的理論和細摳算法的資料太多。而如何從零基礎開始，手把手教人“用”機器學習的教程太少。

這就像一個人來到駕校想學車，而駕校的教練帶他走進了造汽車的工廠，說：“來，小夥子，我們詳細講一講你面前的這輛車是怎麼造出來的。”

這樣不合適，順序反了。

應該是先學會開車，把車開好了，然後如果真有興趣，再去了解車的內部結構。

爲什麼我這麼看中“開車”而不是“造車”？這和我的職業有關。

我是技術顧問出身，年輕時出過幾本很普通的SAP書（凡爾賽），後來一直給一家大客戶做SAP系統實施和維護，生活像溫水中的青蛙一樣平靜……

突然有一天，大客戶說，SAP License太貴了，我們準備停用了。你們給找找雲軟件，替代掉SAP。

從那天開始，我們這組人的生活就不再平靜了。大家各顯神通，也經歷了各種培訓，一段時間之後，都化身爲了雲計算、AWS、Azure和各種SaaS供應商的專家，爲客戶提供雲解決方案。

 

然而好景不長，客戶成功上雲之後，我們再次面臨沒事可做的窘境。

 

新的增長點在何處呢？（打工人！總要恰飯）

 

思考之後，我們有2個主要發現：

• Workday、Salesforce這樣的SaaS軟件、AWS等雲服務實在太好用了，讓客戶從繁瑣的業務流程中逐漸解脫出來；
• 客戶開始把眼光投向他們手頭所積累的數據，並希望我們能利用這些數據，爲他們解決運營或者增長相關的高附加值問題，即產生洞見，優化運營。

 

原來的客戶拋給我們的第一個新項目，就是通過收集的詳細用戶信息，對用戶進行畫像，然後找出具有高欺詐風險的羣體，他們將進行對其賬戶更嚴格監管。

 

另一個客戶給我們的挑戰更大——他們是印尼一個較大的打印紙生產商，擁有上萬公頃的樹林，他們問題是每年需要派出大量的人力、物力，去深入森林勘察，偵測出今年哪個片區的森林已經成熟，值得砍伐。

 

新項目一個接一個的來了。

 

我們發現——這些“新”的“不同”類型的有趣項目，無不與數據相關，無不與“機器學習”相關。

 

如果你瞭解一些AI具體技術，你應該會知道第一個項目是一個典型的機器學習問題，而第二個項目，解決方案是使用無人機進行航拍，收集海量視頻和圖片數據，然後通過深度學習的方法發現圖片中的顏色和模式，然後智能定位已經成熟或者發育不良的林區，對症下藥。

 

好了，從這時起，我們又搖身一遍，從“雲計算”專家化身“機器學習”應用專家。

——其實，這個變身的過程，與我在《零基礎學機器學習》書中所描述的故事大同小異。

 

說了這麼多，這些事情到底與這本書的創作有何關聯呢？

 

作爲一個諮詢顧問，我有自己的創作目的：就是從實際出發，強調“機器學習的應用過程”，想象着有一羣像我一樣的，具有一定IT背景的讀者、學生，從0基礎開始學起，該如何循序漸進，逐步深入，不多不少，恰到好處的給出其入門機器學習所最需要用到的知識？以節省它們的時間和精力呢？

 

因此這本書就是我在機器學習項目實戰過程中，所發掘到的對實際工作最有價值的內容記錄，能夠讓“應用型”的你作爲接觸機器學習的良好起點。

3

如何零基礎入門

那麼，如何入門機器學習呢？

這裏總結一個較爲輕鬆的入門路線，無論是否閱讀《零基礎學機器學習》，都可以參考一下。

①打消掉畏難情緒

我第一個要打破的刻板印象就是——機器學習很難，裏面有一大堆的算法。

這主要是由於信息過載，初學者往往不知道從何開始，一開始一大堆新概念和算法上來頭就暈。

我太瞭解這種知識過載給人帶來的焦慮和苦惱了。因爲我本人也不是一個研究型的學習者，讀論文可從來不是我的強項。

大家首先可以放心，機器學習——真的不難！而且比起前端/後端、Java、C++、微服務和分佈式系統開發等互聯網技術相比，入門機器學習不僅不難，而且還是太簡單了！

我在《零基礎學機器學習》中，特意設置了2個角色：

咖哥引導小冰入門

這本書用小冰的學習過程，串起了整本書的學習流程。初學者容易遇到的問題，小冰這個AI小白都會碰到，此時技術專家咖哥則從各種角度給以指導。

有小夥伴一起，你也可以輕鬆而快速地入門機器學習！

②打牢入門基礎

在此基礎上，增加機器學習必備的基礎知識和實戰構架，這是最最重要的內容。

請牢記，無論學習哪一領域，大家一定要在一開始就看到全貌，這樣纔能有的放矢。

下圖是機器學習上手就需要掌握的內容，學起來一點都不會累。只需要花費不到一週的時間，就能打牢入門基礎。

機器學習基礎

夯實這些機器學習領域的基礎知識後，我們就可以上路了。

③從實戰出發解決實際問題

解決了“入門難”這個事兒之後呢，下一個着力點是“我們要用機器學習幹什麼？”

學一樣東西，如果沒有看到學了之後具體有什麼用，怎麼使用，那簡直是浪費時間。

所以，如果想讓自己的學習有結果，就要特別強調實戰。

實戰案例的選擇，需要具有實用性，比如銀行客戶流失率的預測、疾病風險評估、網站用戶的聚類等等。大家可以在Kaggle網站上尋找數據集、訓練機器，參加機器學習競賽，只有解決了實際問題，才能明白機器學習是怎麼一回事。

對於我來說，一切拋開實際應用的理論都不是爲入門階段的讀者所準備的，所以我在書中也準備了非常多的訓練項目。此外，我還添加了一個小小的設計：

一般的課程思路是這樣的：

講解理論 →介紹工具→解決問題

這本書的設計思路是這樣的：

提出問題→講解理論→介紹工具→解決問題

這一小小的設計，會讓待解決的問題在整個學習過程中一直在我們的頭腦中打轉，也讓我們的學習過程充滿目的性。

以結果爲導向，是我在學習過程中所特別強調的。

④總結出一個實戰套路反覆演練

重點來了，有了學習目標，還需要一個完善的、經過實證檢驗的套路，方便大家檢驗習得的技能。

那麼機器學習實戰有沒有套路？

有套路，請看下圖：

這是在機器學習項目實踐中總結出來的流程， 在書中所有具體機器學習項目實戰章節中，全部套用同一個實戰套路。

具體包括：

·線性迴歸

·邏輯迴歸

·深度學習

·卷積神經網絡

·循環神經網絡

·集成學習

·非監督學習

·生成式對抗網絡

·強化學習等

將各種各樣的機器學習模型反覆演練，強化上圖中的套路，每強化一次，你就會覺得機器學習愈發簡單，而且逐漸變得充滿樂趣。

下圖就是《零基礎學機器學習》爲新手精心設計的入門路線。

零基礎學機器學習入門路線

好了，說了這麼多書的事兒，我們回到文初的問題上面：機器學習內捲了嗎？

機器學習當然沒有內卷，機器學習只是正在被越來越多的人所瞭解，正在被越來越多的企業所應用，正在滲透進我們生活中的方方面面。這叫做落地，而不叫什麼“內卷”。

使用機器學習的技術，去解決工作和生活中具體的問題，在數據中提煉出價值，那是多酷的一件事情！

▼▼▼

《零基礎學機器學習》

限時5折

作者： 黃佳

內容簡介：

本書的目標，是讓非機器學習領域甚至非計算機專業出身但有學習需求的人，輕鬆地掌握機器學習的基本知識，從而擁有相關的實戰能力。 

本書通過AI“小白”小冰拜師程序員咖哥學習機器學習的對話展開，內容輕鬆，實戰性強，主要包括機器學習快速上手路徑、數學和Python基礎知識、機器學習基礎算法（線性迴歸和邏輯迴歸）、深度神經網絡、卷積神經網絡、循環神經網絡、經典算法、集成學習、無監督和半監督等非監督學習類型、強化學習實戰等內容，以及相關實戰案例。

本書所有案例均通過Python及Scikit-learn機器學習庫和Keras深度學習框架實現，同時還包含豐富的數據分析和數據可視化內容。本書適合對AI感興趣的程序員、項目經理、在校大學生以及任何想以零基礎學機器學習的人，用以入門機器學習領域，建立從理論到實戰的知識通道。

本書的內容，可以看下圖的簡介（上下滑動查看）：

-END-

本文分享自微信公衆號 - FunTester（NuclearTester）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。