【课程】机器学习-老饼课程安排

我曾经写了很多版本的机器学习课程，每个版本都一直有一个问题在困扰着我，就是课程结构上，究竟要讲多深、讲多全面，后来终于明白了，其实学习最重要是循序渐进。所以，在我的现在的课程中，最重要的是一步一步来，最开始可能会有许多的不严谨、不全面，但大家跟着来，就会慢慢的逐渐掌握得越来越全面、越来越严谨了。

好了，下面开始介绍下老饼的课程是怎么安排的吧！

一、老饼-机器学习-教程安排

目前安排了两部分的内容，如下：

1.1. 第一部分：《机器学习-上手》

在第一部分，我们的目的就是从一个新手，一步一步上手机器学习，所以在《上手机器学习》这部分，我们选择了最最最基本和最最最有代表性的模型、算法来讲解，目的就是上手机器学习、了解机器学习。

• 模型与算法

我们的学习始终是围绕模型和算法来讲解，共包含了6个模型(算法)，如下：

1. 线性回归

2. 逻辑回归

3. 决策树

4. 朴素贝叶斯

5. kmeans

6. PCA主成分分析

首先，线性回归、逻辑回归、决策树是机器学习在实际中最常用的模型了，毫无疑问，它们是必须知道的。但总不能只学3个模型吧，太单薄了，所以加入朴素贝叶斯、kmeans、PCA三个算法，虽然它们未必常用、但搞机器学习的人基本都知道它们。这样下来，我们就掌握了6个模型，不管是理论、实践、还是面试，这6个模型就包含大部分精髓了。

• 其它内容

虽然我们的核心是6个模型算法，但围绕着这6个模型，我们会间接学习许多机器学习的常识，例如什么是过拟合啦、什么是损失函数啦、什么是模型训练啦、什么是聚类啦、什么是降维啦，等等。同时，也包括了一些机器学习中的基础知识：梯度下降法啦、最小二乘法啦、协方差啦、相关系数啦，交叉熵啦，等等。

作为入门，这些常识还是挺重要的，但只需跟随着6个模型，就会一步一步了解、并顺其自然地学以致用了。

在这一部分，我们不会太过深入和过分严谨，太来谨、太钻牛角尖，说好听是负责，说不好听其实就是劝退。我们尽量保障每一节都能学到干货就好了，先慢慢上手，慢慢补全，越学就会越专业了。

1.2. 第二部分：《机器学习-进阶》

好了，在我们上手机器学习之后，那就可以开启第二部分内容了--《机器学习-进阶》。

第二部分的内容，我们是希望尽可能快、又尽可能多、又尽可能深入的了解更多的模型。但大家也知道，这是矛盾的，所以我们会做一些取舍，我们先尽可能多的了解更多的模型，容易理解的，我们就讲深入一些、讲透彻一些，而难理解的，我们就粗略的理解、浅学、只理解核心和简单的使用就好了。

这是没办法的事情，因为有个别算法，如果彻底严谨的弄明白，要一本书那么厚，花这样的时间是完全不值得的。这些性价比不高的内容，我们就先忽略它的彻底性，这样容易保障我们达到第二阶段的目的-进阶，所谓进阶，就是跟"初学者"的区别，一些混了多年的机器学习人士知道哪些，那我们就学哪些，与他们对齐。

• 关于算法的深入理解

如上面所说，在《机器学习-进阶》中，有些晦涩、又非重点的内容我们会忽略掉，如果一些同学，非得想弄懂这些内容，那么可以在《sklearn算法原理》中找到相关的内容，进行重点学习，在这里会讲得非常透彻，但花费的时间也会比较多。《sklearn算法原理》里的内容，大家当个兴趣看就好了，大部分人其实都不会彻底去理解这些原理细节，即使你会了也不怎么样，你不会其实也没太大影响，凭爱好学习就好了。

二、为什么这样安排

好了，说说为什么安排这样的内容。

大家试想一下，我们学机器学习，究竟要学到什么程度？是要学到无所不知、无所不晓吗？那肯定不是。我们更好的选择其实是学习“相对内容”。也就是其他初学者是什么程度，那我们学到这程度时就是初学者了，一般业内人士是什么水平，那我们达到这个水平就是业内人士水平了。所以我们学习也不是看绝对内容，而是参考别人，他们学了什么内容、达到什么水平，那我们就以它为目标来对齐，就可以了，这样更实际一些。

好了，回归到我们为什么按上面的安排来学习机器学习。

首先，第一部分，《机器学习-入门》。我们要做到入门，其实就是参照一般入门的同学懂些什么，那么我们就学些什么、以及学到什么程度。所以在内容上，一些别人都知道的基础内容对我们就比较重要。

例如朴素贝叶斯算法，它在大部分机器学习书籍上都有，大家几乎都知道它，了解一下就很有必要。在我工作两年的时候都还没怎么了解它，毕竟实际很少使用，后来面试竟被问到了，感觉有些丢脸，才回来补了一下。

好了，说到第二部分，为什么我们要忽略掉一些难学的内容，试问现在的大部分机器学习业内人士，究竟是精英，还是普通人？肯定是像你我这样的普通人啦。普通人对于这些难学的内容，大家更多都选择性逃避，而没有深入去学懂这些内容，所以我们也只需跟大家对齐，把能学的学下来就可以了。

最初我是尽量把所有内容讲全面、讲深入的，发现许多同学因为困难就直接放弃了，非常可惜，其实只要忽略掉不懂的内容、坚持下去就行了。现在我把过于复杂的内容都忽略掉了，避免误导大家、以为这些非学不可。

在《机器学习-入门》和《机器学习-进阶》中，有些内容是重复的，大家不必惊讶，这是因为我们是按阶段讲解的，在入门时，有些内容不够全面，大家不必着急，我们仅仅是对齐"入门"的水平，而在进阶中，则是按"进阶"来讲述，仅此而已。

结束语

好了，课程就这样安排，简简单单跟着学习就好了，记住，能学的就学，学不会的就不学，学下去就可以了，渐渐就会入门了，有事没事，也可以去知乎、CSDN看看贴子，找找共鸣，这样也不错。