2021年完整的人工智能入門指南
這可能是一份中英文世界人工智能學(xué)習(xí)教程，在充分考慮大家信息獲取難度的情況下制定了幫助你掌握人工智能（AI）和機(jī)器學(xué)習(xí)（ML）的完整指南：
無(wú)需學(xué)費(fèi)！
無(wú)需專業(yè)背景！
無(wú)需額外的時(shí)間成本！
只需要掌握以下的方法和渠道，就可以清晰地認(rèn)識(shí)到是人工智能，并了解其前沿發(fā)展和行業(yè)新聞。
很多同學(xué)在學(xué)習(xí)AI的時(shí)候面臨的困難是“如何開始？” 如何免費(fèi)開始學(xué)AI？什么是人工智能？從什么地方入手？如何去掌握這門技術(shù)？零基礎(chǔ)如何學(xué)習(xí)AI？等等。所以我們?cè)趨⒖剂舜罅繃?guó)內(nèi)外資料后決定寫一篇關(guān)于如何在2021年【零基礎(chǔ)】【免費(fèi)】學(xué)習(xí)機(jī)器學(xué)習(xí)的完整指南，這是中文和英文世界入門教程，希望大家耐心看下去。這篇文章羅列了許多關(guān)于機(jī)器學(xué)習(xí)的優(yōu)質(zhì)資源，并分享給大家一些學(xué)習(xí)技巧，我們不僅希望大家能夠方便快捷地入門AI，更希望提高你作為人重要的學(xué)習(xí)能力。
如何在2021年成為機(jī)器學(xué)習(xí)專家？
這份學(xué)習(xí)指南適用于在編程、數(shù)學(xué)或者機(jī)器學(xué)習(xí)方面基礎(chǔ)比較薄弱的同學(xué)。除此之外，成為機(jī)器學(xué)習(xí)專家的方法不是唯一的，只要你有足夠的學(xué)習(xí)動(dòng)力，大家也可以自己探索學(xué)習(xí)方法，從而掌握機(jī)器學(xué)習(xí)。
這篇指南的目標(biāo)是為不知道“如何開始”的人提供一個(gè)進(jìn)入機(jī)器學(xué)習(xí)的學(xué)習(xí)路徑。我們都知道，在學(xué)習(xí)新事物的時(shí)候很難找到從哪里開始或者下一步應(yīng)該怎樣做，尤其是在缺乏他人指導(dǎo)的時(shí)候。因此，我們?cè)谶@里列出了許多優(yōu)質(zhì)的學(xué)習(xí)資源供大家參考。這些學(xué)習(xí)資源的難度依次遞增，有一定基礎(chǔ)的同學(xué)，可以跳過前面的基礎(chǔ)部分。
這里列出來(lái)的所有資源都是免費(fèi)的！當(dāng)然，也存在一部分付費(fèi)的在線課程和在線書籍。請(qǐng)記住，這些付費(fèi)課程為了幫助大家更好地理解和學(xué)習(xí)，只要你愿意多花一點(diǎn)時(shí)間和精力，沒有這些付費(fèi)課程，你也完全有可能成為機(jī)器學(xué)習(xí)專家。選擇什么樣的學(xué)習(xí)資源，完全取決于自己，適合自己的才是好的！
溫馨提示：不要害怕重復(fù)播放學(xué)習(xí)視頻或者在不同的平臺(tái)上重復(fù)學(xué)習(xí)相同的概念。請(qǐng)記住，重復(fù)是學(xué)習(xí)新事物的法寶。
目錄
—開始入門：從簡(jiǎn)短有趣的視頻介紹開始
— 逐步深入學(xué)習(xí)：關(guān)注視頻網(wǎng)站上的免費(fèi)課程
— 閱讀在線文章
— 閱讀重要書籍
—沒有機(jī)器學(xué)習(xí)的數(shù)學(xué)背景？看一下這個(gè)！
— 沒有編程背景，沒問題?。ㄟm合初學(xué)者的編程資源）
— 關(guān)注在線課程
— 練習(xí)，練習(xí)，再練習(xí)！
— 更多資源（加入社區(qū),使用備忘單,關(guān)注該領(lǐng)域的新聞等等?。?/p>
— 如何找到一份機(jī)器學(xué)習(xí)的工作
— AI倫理
1.開始入門機(jī)器學(xué)習(xí)
觀看簡(jiǎn)短的視頻介紹入門，是入門新領(lǐng)域的良好方式，YouTube和b站上面都有大量的優(yōu)質(zhì)視頻介紹關(guān)于機(jī)器學(xué)習(xí)的重要概念。我們?cè)谶@里列出了一些視頻清單，供大家參考。
首先，了解機(jī)器學(xué)習(xí)領(lǐng)域的常用術(shù)語(yǔ)，形成初步認(rèn)識(shí)。
（1）YouTube上一位名叫“What’s AI”
（?https://www.youtube.com/WhatsAI）?的博主通過一系列非常短的視頻回答了著名的“什么是AI”的問題，內(nèi)容涵蓋了了機(jī)器學(xué)習(xí)領(lǐng)域常用的所有術(shù)語(yǔ)。每個(gè)視頻的時(shí)長(zhǎng)在1分鐘左右，你可以在30分鐘以內(nèi)學(xué)習(xí)到機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，并對(duì)該領(lǐng)域有一個(gè)整體認(rèn)識(shí)。
大家可以通過以下鏈接訪問該視頻系列：
https://www.youtube.com/playlist?list=PLO4GrDnQanVe6F6MRJg_KO7JEoH-ukFzY
（2）b站up主 “KnowingAI知智”以一種輕松有趣的方式分享了算法模型系列視頻，介紹了機(jī)器學(xué)習(xí)的算法、模型和框架。
大家可以通過以下鏈接訪問該視頻系列：
https://space.bilibili.com/237111975/channel/detail?cid=177611&ctype=0
其次，對(duì)機(jī)器學(xué)習(xí)相關(guān)概念有一定認(rèn)知過后，可以更加深入地了解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)。提醒一下，在入門時(shí)了解神經(jīng)網(wǎng)絡(luò)和反向傳播的知識(shí)是非常必要的，它可以在你進(jìn)行深入學(xué)習(xí)時(shí)帶來(lái)巨大的先發(fā)優(yōu)勢(shì)。
“3Blue1Brown”是由斯坦福大學(xué)一位數(shù)學(xué)系學(xué)生Grant創(chuàng)建的科普頻道，主要分享高等數(shù)學(xué)相關(guān)內(nèi)容，同時(shí)也進(jìn)行計(jì)算機(jī)相關(guān)知識(shí)的科普，他被譽(yù)為全b站很火的數(shù)學(xué)科普up主。Grant制作的“深度學(xué)習(xí)”系列視頻，非常清楚、細(xì)致地解釋了反向傳播算法、梯度下降算法、神經(jīng)網(wǎng)絡(luò)等相關(guān)概念。這部分視頻可以更加充分地了解機(jī)器學(xué)習(xí)算法是什么，以及它的工作原理，從而為更加深層次的學(xué)習(xí)奠定基礎(chǔ)。
大家可以通過以下鏈接訪問該視頻系列：
https://space.bilibili.com/88461692/channel/detail?cid=26587
總的來(lái)說，YouTube和B站等視頻網(wǎng)站是非常適合自主學(xué)習(xí)的免費(fèi)平臺(tái)，除了以上所提及的內(nèi)容之外，大家可以繼續(xù)在這些平臺(tái)上找尋優(yōu)質(zhì)學(xué)習(xí)資源。
2.逐步深入學(xué)習(xí)
在上一部分，我們主要通過“1 min”短視頻了解機(jī)器學(xué)習(xí)的相關(guān)概念，對(duì)機(jī)器學(xué)習(xí)有了一個(gè)整體認(rèn)知。這一部分需要大家投入更多的時(shí)間和精力，并提高專注度，進(jìn)行深入學(xué)習(xí)。
雖然這一部分的課程會(huì)有一定的難度，但它們同時(shí)也非常具有吸引力。只要大家能夠說服自己投入學(xué)習(xí)，一定能夠受益匪淺。
通過精心挑選，我們?cè)谶@里為大家準(zhǔn)備了一份課程列表，根據(jù)難度由低到高的順序進(jìn)行排列。排列在前的課程主要對(duì)機(jī)器學(xué)習(xí)的各方面進(jìn)行簡(jiǎn)單介紹，排列在后的課程逐漸深入機(jī)器學(xué)習(xí)的專業(yè)領(lǐng)域。大家可以通過這一部分的課程，逐漸適應(yīng)機(jī)器學(xué)習(xí)的節(jié)奏，為接下來(lái)的專業(yè)化學(xué)習(xí)打好基礎(chǔ)。
——機(jī)器學(xué)習(xí)導(dǎo)論（斯坦福大學(xué)）
授課老師吳恩達(dá)（Andrew Ng）是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域國(guó)際上權(quán)威的學(xué)者之一，同時(shí)也是在線教育平臺(tái)Coursera的聯(lián)合創(chuàng)始人，被譽(yù)為人工智能專家和教育先驅(qū)。這門機(jī)器學(xué)習(xí)導(dǎo)論課共計(jì)20個(gè)課時(shí)，內(nèi)容涉及線性回歸、梯度下降、樸素貝葉斯、決策樹等機(jī)器學(xué)習(xí)的重要概念。該課程可以幫助你對(duì)機(jī)器學(xué)習(xí)有一個(gè)全面而又細(xì)致的了解，可以說是入門機(jī)器學(xué)習(xí)必不可少。
大家可以通過訪問斯坦福在YouTube的官方賬號(hào)“stanfordonline”，獲取學(xué)習(xí)資源。訪問鏈接如下：
（https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU）
B站的一位up主“鬼谷良師”也對(duì)其進(jìn)行了視頻搬運(yùn)，如果您比較習(xí)慣于中文字幕，也可以在B站上進(jìn)行訪問：
https://www.bilibili.com/video/BV1JE411w7Ub?p=1
除此之外，“鬼谷良師”也分享了很多國(guó)際名校的公開課視頻，包括哈佛、MIT等，您可以持續(xù)關(guān)注這位up主，對(duì)相關(guān)課程進(jìn)行體系化學(xué)習(xí)。
——深度學(xué)習(xí)導(dǎo)論（MIT）
B站的一位號(hào)稱AI硬核資料庫(kù)的up主“ShowMeAI”分享了來(lái)自MIT關(guān)于“深度學(xué)習(xí)”的公開課視頻，共計(jì)43個(gè)課時(shí)，內(nèi)容涉及循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)等的理論知識(shí)和前沿實(shí)踐。
訪問鏈接如下：
https://www.bilibili.com/video/BV1g34y1Q79p?p=1
——深度學(xué)習(xí)專項(xiàng)課程（DeepLearningAI—吳恩達(dá)）
DeepLearningAI由吳恩達(dá)博士創(chuàng)立，以滿足世界一流人工智能教育的需求。大家可以通過訪問DeepLearningAI在YouTube的官方賬號(hào)，找到其在Coursera課程中關(guān)于機(jī)器學(xué)習(xí)的相關(guān)視頻。
訪問鏈接如下：
https://www.youtube.com/channel/UCcIXc5mJsHVYTZR1maL5l9w/playlists
此外，你也可以通過訪問鏈接：
https://www.bilibili.com/video/BV1FT4y1E74V?p=2&spm_id_from=pageDriver?在B站找到其搬運(yùn)視頻。
——MIT Deep Learning （Lex Fridman 關(guān)于深度學(xué)習(xí)的新課程）
該課程是來(lái)自MIT 2017 年至 2020 年關(guān)于深度學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、自動(dòng)駕駛汽車和 AI 的講座合集。您可以通過以下鏈接獲取相關(guān)教學(xué)視頻和PPT：
https://deeplearning.mit.edu/
此外，你也可以通過B站找到Lex Fridman 老師的部分教學(xué)視頻。
2020年 深度學(xué)習(xí)講座：
https://www.bilibili.com/video/BV1Y7411d7xV?from=search&seid=10656918578301312657&spm_id_from=333.337.0.0
2019年 深度學(xué)習(xí)講座：
https://www.bilibili.com/video/BV1rz4y1r7hB?from=search&seid=10656918578301312657&spm_id_from=333.337.0.0
自動(dòng)駕駛公開課：
https://www.bilibili.com/video/BV1tW411M7S9?from=search&seid=10656918578301312657&spm_id_from=333.337.0.0
——Deep Learning (with PyTorch)?—（紐約大學(xué)， Yann LeCun）
這是紐約大學(xué)數(shù)據(jù)科學(xué)中心在2020年開設(shè)的一門關(guān)于深度學(xué)習(xí)的課程，課程內(nèi)容涉及深度學(xué)習(xí)和表征學(xué)習(xí)的新技術(shù)，側(cè)重于監(jiān)督和無(wú)監(jiān)督深度學(xué)習(xí)、嵌入方法、度量學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)，以及在計(jì)算機(jī)視覺、自然語(yǔ)言處理和語(yǔ)音識(shí)別中的應(yīng)用。因此，這門課程對(duì)大家機(jī)器學(xué)習(xí)的基礎(chǔ)有一定要求。大家可以通過訪問其GitHub網(wǎng)頁(yè)，獲取課程相關(guān)PPT、jupyter notebook 以及YouTube視頻資源。訪問鏈接如下：
https://atcold.github.io/pytorch-Deep-Learning/
3.在線閱讀文章
眾所周知，通過聽、說、讀、寫等不同方式進(jìn)行學(xué)習(xí)，可以很好地提高學(xué)習(xí)效率。因此，閱讀對(duì)于學(xué)習(xí)也很重要，它可以幫助大家對(duì)機(jī)器學(xué)習(xí)有更加全面和深入的了解。
我們?cè)诖藶榇蠹彝扑]了5篇文章以及2份閱讀清單，并建議大家將其余前面的視頻結(jié)合起來(lái)學(xué)習(xí)，這將受益匪淺。
（1）使用Python學(xué)習(xí)機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的5個(gè)入門步驟——Daniel Bourke
https://towardsdatascience.com/5-beginner-friendly-steps-to-learn-machine-learning-and-data-science-with-python-bf69e211ade5
（2）什么是機(jī)器學(xué)習(xí)？——Roberto Iriondo
https://pub.towardsai.net/what-is-machine-learning-ml-b58162f97ec7
（3）機(jī)器學(xué)習(xí)入門：神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介——Victor Zhou
https://towardsdatascience.com/machine-learning-for-beginners-an-introduction-to-neural-networks-d49f22d238f9
（4）神經(jīng)網(wǎng)絡(luò)入門指南——Thomas Davis
https://towardsdatascience.com/a-beginners-guide-to-neural-networks-d5cf7e369a13#:~:text=Neural%20networks%20are%20powered%20by,then%20recognize%2C%20interpret%20and%20classify.
（5）理解神經(jīng)網(wǎng)絡(luò)——Prince Canuma
https://prince-canuma.medium.com/understanding-neural-networks-22b29755abd9
（6）MILA新生閱讀清單
https://docs.google.com/document/d/1IXF3h0RU5zz4ukmTrVKVotPQypChscNGf5k6E25HGvA/edit#
（7）80/20 人工智能閱讀清單——Vishal Maini
https://medium.com/machine-learning-for-humans/ai-reading-list-c4753afd97a
通過以上的學(xué)習(xí)步驟，大家已經(jīng)初步具備動(dòng)手編程和練習(xí)的基礎(chǔ)了，可以直接跳到后面的編程、在線課程以或者練習(xí)部分，加快學(xué)習(xí)速度。如果想要更加深入地了解機(jī)器學(xué)習(xí)的理論知識(shí)，那么可以繼續(xù)閱讀在下一部分所列出來(lái)的重要參考書籍。
4.閱讀重要書籍
這一部分的內(nèi)容是大家選修的，但是系統(tǒng)化地閱讀可以幫助大家更加深入地理解機(jī)器學(xué)習(xí)背后的工作原理，因此仍然建議大家抽出部分時(shí)間進(jìn)行閱讀。此部分包含了一些付費(fèi)書籍，大家可以自主選擇，有需要的話也可以在網(wǎng)上購(gòu)買紙質(zhì)書籍。
——機(jī)器學(xué)習(xí)路徑：
（1）《深度學(xué)習(xí)》（免費(fèi)）
Ian Goodfellow，Yoshua Bengio，Aaron Courville 著；趙申劍等 譯；人民郵電出版社；
https://www.deeplearningbook.org/
（2）《動(dòng)手深度學(xué)習(xí)》（免費(fèi)）
Aston Zhang, Mu Li，Zachary C. Lipton, Alexander J. Smola 著；人民郵電出版社
http://d2l.ai/
（3）《概率機(jī)器學(xué)習(xí)導(dǎo)論》（免費(fèi)）
Kevin Patrick Murphy 著；MIT出版社
https://probml.github.io/pml-book/book1.html
（4）《人工智能：一種現(xiàn)代方法》（付費(fèi)）
Stuart Russell，Peter Norvig 著；
（5）《模式識(shí)別與機(jī)器學(xué)習(xí)》（付費(fèi)）
Christopher M. Bishop 著；
（6）《用Python進(jìn)行深度學(xué)習(xí)》（付費(fèi)）
Fran?ois Chollet 著；
（7）《理解機(jī)器學(xué)習(xí)：從理論到算法》
——Shai Shalev-Shwartz , Shai Ben-David 著；劍橋大學(xué)出版社
https://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/
——機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)：
（1）《機(jī)器學(xué)習(xí)數(shù)學(xué)》（免費(fèi)）
https://mml-book.github.io/
Marc Peter Deisenroth，A. Aldo Faisal，Cheng Soon Ong 著；劍橋大學(xué)出版社
（2）《統(tǒng)計(jì)學(xué)習(xí)方法》
李航 著；清華大學(xué)出版社
（3）《機(jī)器學(xué)習(xí)中的概率統(tǒng)計(jì)-python語(yǔ)言描述》
張雨萌 著；機(jī)械工業(yè)出版社
（3）《程序員的數(shù)學(xué)2 概率統(tǒng)計(jì)》
平岡和幸，堀玄 著；陳筱煙 譯；人民郵電出版社
——微積分：
（1）微積分（第8版）
James Stewart著；張乃岳 譯；中國(guó)人民大學(xué)出版社
（2）托馬斯微積分（第10版）
WEIR，HASS，GIORDANO 著；葉其孝等 譯；高等教育出版社
（3）普林斯頓微積分讀本
Adrian Banner 著；楊爽等 譯；人民郵電出版社
（4）清華大學(xué)《微積分教程》
韓云瑞，扈志明，張廣遠(yuǎn) 著；清華大學(xué)出版社
（5）同濟(jì)大學(xué)《高等數(shù)學(xué)》
同濟(jì)大學(xué)數(shù)學(xué)系 編；高等教育出版社
——線性代數(shù)
（1）《線性代數(shù)及其應(yīng)用》
David C.Lay著；劉深泉等 譯；機(jī)械工業(yè)出版社
（2）《線性代數(shù)》
李尚志 著；高等教育出版社
（3）《線性代數(shù)》
李炯生，查建國(guó) 著；中國(guó)科學(xué)技術(shù)大學(xué)出版社
下載鏈接：https://download.csdn.net/download/heartblade/10352209
——概率統(tǒng)計(jì)
（1）《概率論與數(shù)理統(tǒng)計(jì)》
陳希孺 著；中國(guó)科學(xué)技術(shù)大學(xué)出版社
（2）圖靈數(shù)學(xué)統(tǒng)計(jì)學(xué)叢書《概率導(dǎo)論》
Dimitri P. Bertsekas ， John N. Tsitsiklis 著；鄭忠國(guó)等譯；人民郵電出版社
（3）圖靈數(shù)學(xué)統(tǒng)計(jì)學(xué)叢書《應(yīng)用隨機(jī)過程概率模型導(dǎo)論》
Sheldon M. Ross 著；龔光魯 譯；人民郵電出版社
閱讀完這些書籍過后，大家已經(jīng)完全可以運(yùn)用所學(xué)的理論著手開始編程練習(xí)。
5.沒有機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)？看一下這個(gè)！
就算沒有機(jī)器學(xué)習(xí)所需的數(shù)學(xué)知識(shí)也不用緊張，時(shí)間永遠(yuǎn)不算晚，大家完全可以從現(xiàn)在開始學(xué)習(xí)相關(guān)數(shù)學(xué)知識(shí)。我們?cè)谶@里推薦的課程囊括了三個(gè)重要的數(shù)學(xué)分支：微積分、線性代數(shù)和概統(tǒng)。
——微積分
（1）MIT Gilbert Strang《微積分重點(diǎn)》
https://www.bilibili.com/video/BV17s411R7FR?from=search&seid=17163176306170092417&spm_id_from=333.337.0.0
（2）浙江大學(xué) 蘇德礦 《微積分》——中國(guó)大學(xué)慕課
https://www.icourse163.org/course/ZJU-1003315004
（3）Grant Sanderson 《微積分的本質(zhì)》——b站：3Blue1Brown
https://space.bilibili.com/88461692/channel/detail?cid=13407
（4）國(guó)防科技大學(xué) 朱健民《高等數(shù)學(xué)》——中國(guó)大學(xué)慕課
https://www.icourse163.org/course/NUDT-9004
——線性代數(shù)
（1）MIT Gilbert Strang《線性代數(shù)》——b站up主：小風(fēng)哥_ANGEL
https://www.bilibili.com/video/BV1ix411f7Yp?p=2
（2）山東大學(xué) 秦靜 《線性代數(shù)》——中國(guó)大學(xué)慕課
https://www.icourse163.org/course/SDU-55001?from=searchPage
（3）北京大學(xué) 丘維聲 《高等代數(shù)》——b站up主：西門斷橋吹殘雪
https://www.bilibili.com/video/BV1Pb411K7JA?from=search&seid=13960699102829916094&spm_id_from=333.337.0.0
（4）山東財(cái)經(jīng)大學(xué) 宋浩 《線性代數(shù)》——b站：宋浩老師官方
https://www.bilibili.com/video/AV29971113?from=search&seid=17087223871376250963
（5）Grant Sanderson 《線性代數(shù)的本質(zhì)》——b站：3Blue1Brown
https://www.bilibili.com/video/BV1ys411472E?p=2
——概統(tǒng)
（1）山東財(cái)經(jīng)大學(xué) 宋浩 《概率論與數(shù)理統(tǒng)計(jì)》——b站：宋浩老師官方
https://www.bilibili.com/video/BV1ot411y7mU?spm_id_from=333.999.0.0
（2）Grant Sanderson 《概率論》——b站：3Blue1Brown
https://www.bilibili.com/video/BV1R7411a76r?spm_id_from=333.999.0.0
除了國(guó)內(nèi)平臺(tái)的相關(guān)課程外，國(guó)外也有一部分免費(fèi)優(yōu)質(zhì)資源，可以幫助大家更加結(jié)構(gòu)化地學(xué)習(xí)數(shù)學(xué)：
（1）YouTube上一位名叫“mathematicalmonk”的博主分享了很多有關(guān)機(jī)器學(xué)習(xí)數(shù)學(xué)知識(shí)的視頻，大家可以訂閱該博主，隨時(shí)關(guān)注機(jī)器學(xué)習(xí)的新消息。
https://www.youtube.com/channel/UCcAtD_VYwcYwVbTdvArsm7w
（2）《機(jī)器學(xué)習(xí)數(shù)學(xué)》——Garrett Thomas
https://gwthomas.github.io/docs/math4ml.pdf
（3）統(tǒng)計(jì)學(xué)習(xí)導(dǎo)論：在R語(yǔ)言中的應(yīng)用
這一列表主要收錄了Gareth James、Daniela Witten、Trevor Hastie、Robert Tibshirani等人關(guān)于統(tǒng)計(jì)學(xué)的教學(xué)PPT和講座視頻。
http://fs2.american.edu/alberto/www/Analytics/ISLRLectures.html
學(xué)完這部分之后，大家已經(jīng)具備了很好的機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)了，可以開始對(duì)機(jī)器學(xué)習(xí)展開更加深入的研究了！如果你仍然覺得自己的數(shù)學(xué)功底不夠扎實(shí)，可以倒退回上一步，深度閱讀相關(guān)書籍。
6.沒有編程基礎(chǔ)，沒問題！
這一部分的內(nèi)容主要適用于編程小白。如果你完全沒有Python或者其他任何編程語(yǔ)言的基礎(chǔ)，那么這一部分的內(nèi)容可以幫助你入門機(jī)器學(xué)習(xí)編程，并打好基礎(chǔ)。（如果你已經(jīng)能夠非常熟練地使用Python編程語(yǔ)言，那就可以直接跳到“關(guān)注在線課程”這一部分的內(nèi)容）
我們?cè)谶@里為大家推薦了一些關(guān)于機(jī)器學(xué)習(xí)編程的優(yōu)質(zhì)課程：
（1）LearnPython的Python教程（https://www.learnpython.org/）
LearnPython平臺(tái)提供免費(fèi)的交互式Python學(xué)習(xí)教程，無(wú)論你是小白還是經(jīng)驗(yàn)豐富的程序員，都可以在上面找到合適的學(xué)習(xí)資料。
（2）Mo平臺(tái)的Python系列課程
Mo是一個(gè)人工智能實(shí)訓(xùn)平臺(tái)，提供在線編程功能，無(wú)需搭建環(huán)境，便于初學(xué)者上手。該平臺(tái)的Python系列課程與浙江大學(xué)保持一致，包含了從Python到人工智能的相關(guān)內(nèi)容，學(xué)習(xí)路徑完整，系統(tǒng)性較強(qiáng)。
（3）Learning with Python——b站up主：Q晴風(fēng)Q
https://www.bilibili.com/video/BV1ds411p7ut?p=3&spm_id_from=pageDriver
這是一個(gè)非常實(shí)用且豐富的機(jī)器學(xué)習(xí)教程，介紹了機(jī)器學(xué)習(xí)編程相關(guān)的工作原理和方法，包括從較為簡(jiǎn)單的回歸、支持向量機(jī)等，到較為復(fù)雜的SVM、TensorFlow、卷積神經(jīng)網(wǎng)絡(luò)等。
（4）Learn Python Basics for Data Analysis——OpenClassroom
https://openclassrooms.com/en/courses/2304731-learn-python-basics-for-data-Analysis/6009031-get-started-with-python-and-anaconda
這門課程主要講授了如何使用基本的Python操作進(jìn)行數(shù)據(jù)分析。在課程中，可以使用平臺(tái)的相關(guān)功能進(jìn)行在線編程。此外，OpenClassroom平臺(tái)也提供了Anaconda的安裝資源和安裝教程，讓大家可以在本地運(yùn)行代碼。
（5）Getting started with Data Science——YouTube博主：Data Science Dojo
https://www.youtube.com/watch?v=6LWnvC2_DZI&list=PL8eNk_zTBST8kAYLTxYRnsOfznYMRhgZG
該視頻教程介紹了線性回歸模型和一些常用于機(jī)器學(xué)習(xí)和數(shù)據(jù)分析的Python和R包。此外，此視頻還提供了在Windows/Mac/Linux上安裝Python 和 R的安裝教程，讓大家可以在本地運(yùn)行代碼，并將代碼推送到Github 存儲(chǔ)庫(kù)。
（6）IBM在Coursera 上開設(shè)的名為Machine Learning with Python的付費(fèi)課程。
https://www.coursera.org/learn/machine-learning-with-python
該課程包含了機(jī)器學(xué)習(xí)簡(jiǎn)介、回歸、分類、聚類、推薦系統(tǒng)等內(nèi)容，實(shí)用性較強(qiáng)，可以顯著提升大家的編程技能。
除了以上所推薦的內(nèi)容，大家也可以通過GitHub上的100個(gè)NumPy練習(xí)來(lái)提升Python編程能力，
（https://github.com/rougier/numpy-100/blob/master/100_Numpy_exercises.ipynb?），
或者參加Data Science dojo的在線培訓(xùn)
（https://datasciencedojo.com/python-for-data-science/ref/whatsai/?）、使用Kaggle （https://www.kaggle.com/）。這些平臺(tái)可以為大家提供更具挑戰(zhàn)性的項(xiàng)目和練習(xí)，以及更加細(xì)致化的指導(dǎo)。當(dāng)然，部分課程是需要付費(fèi)的。
7.關(guān)注在線課程
當(dāng)你具有較好的理論基礎(chǔ)和編程基礎(chǔ)之后，就可以開始學(xué)習(xí)ML的相關(guān)課程了。以下所列出的課程中，部分課程需要付費(fèi)；當(dāng)然，付費(fèi)課程會(huì)教給大家更多東西，甚至可以提供權(quán)威性證書，成為求職亮點(diǎn)。
在這里首先為大家介紹一個(gè)優(yōu)質(zhì)教學(xué)平臺(tái)：Coursera。它是由斯坦福的吳恩達(dá)教授和Daphne Koller教授聯(lián)合創(chuàng)辦的大型在線教育平臺(tái)，旨在同世界頂尖大學(xué)合作，在線提供網(wǎng)絡(luò)公開課程。大家可以在該平臺(tái)上找到許多優(yōu)質(zhì)的學(xué)習(xí)資源，也可以通過此平臺(tái)獲得含金量較高的證書。此外，Coursera還為學(xué)員提供了大量的經(jīng)濟(jì)援助和獎(jiǎng)學(xué)金，你可以申請(qǐng)獲得相關(guān)補(bǔ)貼和獎(jiǎng)勵(lì)。這是該平臺(tái)的申請(qǐng)頁(yè)面：https://www.coursera.support/s/article/209819033-Apply-for-Financial-Aid-or-a-Scholarship?language=en_US
我們?cè)谶@里為大家推薦了一些機(jī)器學(xué)習(xí)的在線課程，課程難度由低到高排列：
（1）機(jī)器學(xué)習(xí)簡(jiǎn)介——Kaggle（學(xué)習(xí)機(jī)器學(xué)習(xí)的核心思想，并構(gòu)建自己的第一個(gè)模型）
https://www.kaggle.com/learn/intro-to-machine-learning
（2）Mo平臺(tái)的系列課程，包括《從Python到人工智能》、機(jī)器學(xué)習(xí)系列課程、深度學(xué)習(xí)系列課程等。
https://momodel.cn/classroom
（3）Get started in AI / AI For everyone ——吳恩達(dá)
https://www.coursera.org/learn/ai-for-everyone
（4）機(jī)器學(xué)習(xí)——吳恩達(dá)
https://www.coursera.org/learn/machine-learning
（5）深度學(xué)習(xí)專項(xiàng)課程——吳恩達(dá)
https://www.coursera.org/learn/neural-networks-deep-learning
（6）TensorFlow（專業(yè)證書）
https://www.coursera.org/professional-certificates/tensorflow-in-practice
（7）AI工程——IBM（專業(yè)證書）
https://www.coursera.org/professional-certificates/ai-engineer
（8）2021 年完整的數(shù)據(jù)科學(xué)訓(xùn)練營(yíng)
https://www.udemy.com/course/the-data-science-course-complete-data-science-bootcamp/
（9）在線數(shù)據(jù)科學(xué)訓(xùn)練營(yíng)——datasciencedojo（完整的 16 周學(xué)習(xí)計(jì)劃）
https://datasciencedojo.com/data-science-bootcamp/ref/whatsai/
（10）數(shù)據(jù)科學(xué)培訓(xùn)計(jì)劃 — datasciencedojo（完整的 16 周培訓(xùn)計(jì)劃）
https://datasciencedojo.com/data-science-training-and-internship/ref/whatsai/
（11）fast.ai 平臺(tái)的深度學(xué)習(xí)課程 （免費(fèi)）
https://www.fast.ai/
（12）自然語(yǔ)言處理專項(xiàng)課程
https://www.coursera.org/specializations/natural-language-processing
8.練習(xí)，練習(xí)，再練習(xí)！
ML學(xué)習(xí)中重要的就是實(shí)踐，但往往很難找到合適的個(gè)人項(xiàng)目來(lái)練習(xí)。因此，我們?cè)谶@一部分為大家推薦了一些提供免費(fèi)教程、項(xiàng)目和比賽的平臺(tái)，幫助大家更好地進(jìn)行機(jī)器學(xué)習(xí)實(shí)踐。
（1）Kaggle
https://www.kaggle.com/
該平臺(tái)提供大量的免費(fèi)課程、教程和比賽。此外，該平臺(tái)的免費(fèi)比賽還為參賽選手提供了豐厚獎(jiǎng)金。大家可以在鍛煉技能的同時(shí)贏取比賽獎(jiǎng)勵(lì)，是一種很不錯(cuò)的學(xué)習(xí)方式，并且贏取Kaggle的比賽獎(jiǎng)勵(lì)也可以為你的求職簡(jiǎn)歷增光添彩。
（2）NVIDIA Jetson社區(qū)項(xiàng)目
https://developer.nvidia.com/embedded/community/jetson-projects
NVIDIA Jetson的社區(qū)項(xiàng)目提供了類似的AI項(xiàng)目和競(jìng)賽，吸引了大量“黑客”參與。此外，你還可以在NVIDIA Jetson的網(wǎng)站上（https://developer.nvidia.com/embedded/learn/jetson-ai-education?）獲得認(rèn)證，并獲得硬件和財(cái)務(wù)上的支持，從而有機(jī)會(huì)與NVIDIA合作開展項(xiàng)目。
（3）GitHub
http://github.com/
GitHub是一個(gè)面向開源及私有軟件項(xiàng)目的托管平臺(tái)，可以托管各種git庫(kù)，并提供一個(gè)web界面。作為開源代碼庫(kù)以及版本控制系統(tǒng)，Github擁有超過900萬(wàn)開發(fā)者用戶。隨著越來(lái)越多的應(yīng)用程序轉(zhuǎn)移到了云上，Github已經(jīng)成為了管理軟件開發(fā)以及發(fā)現(xiàn)已有代碼的首選方法。你可以嘗試在 GitHub 上改進(jìn)他們的代碼，或者運(yùn)行已有項(xiàng)目。
（4）阿里天池
https://tianchi.aliyun.com/competition/gameList/activeList
天池大數(shù)據(jù)競(jìng)賽,是由阿里巴巴集團(tuán)主辦,面向全球科研工作者的高端算法競(jìng)賽。通過開放海量數(shù)據(jù)和分布式計(jì)算資源,大賽讓所有參與者有機(jī)會(huì)運(yùn)用其設(shè)計(jì)的算法解決各類社會(huì)問題或業(yè)務(wù)問題。
9.其他資源
—學(xué)習(xí)社區(qū)
同伴學(xué)習(xí)是一種很好的學(xué)習(xí)方式。所以我們?cè)谶@里為大家推薦了一些學(xué)習(xí)社區(qū)，大家可以加入其中，尋找志同道合的學(xué)習(xí)伙伴。
（1）reddit 社區(qū)（https://www.reddit.com
reddit 社區(qū)聚集了眾多AI愛好者，大家可以在這里提問、討論、分享項(xiàng)目、獲取新資訊等。我們?cè)谶@里列出了一些比較熱門的討論話題：
artificial — 人工智能
https://www.reddit.com/r/artificial/
Machine Learning — 機(jī)器學(xué)習(xí)（討論版塊）
https://www.reddit.com/r/MachineLearning/
Deep Learning Papers — 深度學(xué)習(xí)論文
https://www.reddit.com/r/DeepLearningPapers/
Computer Vision —從圖像和視頻中提取有用信息
https://www.reddit.com/r/computervision/
Learn machine learning — 學(xué)習(xí)機(jī)器學(xué)習(xí)
https://www.reddit.com/r/learnmachinelearning/
Artificial Intelligence — 人工智能
https://www.reddit.com/r/ArtificialInteligence/
Latest In ML — 機(jī)器學(xué)習(xí)領(lǐng)域不容錯(cuò)過的顛覆性發(fā)展
https://www.reddit.com/r/LatestInML/
（2）StackOverFlow （https://stackoverflow.com/?）
StackOverFlow，技術(shù)問答網(wǎng)站，被譽(yù)為“程序員必上的網(wǎng)站”，大家可以在里面找到很多高質(zhì)量問答。
（3）掘金 （https://juejin.cn/?）
掘金是國(guó)內(nèi)的一個(gè)幫助開發(fā)者成長(zhǎng)的社區(qū)，分享內(nèi)容主要包括前端、后端、Android、iOS、人工智能、開發(fā)工具等，同時(shí)還提供一些行業(yè)資訊和相關(guān)活動(dòng)。
（4）SegmentFault 思否（https://segmentfault.com/?）
思否同樣也是國(guó)內(nèi)的一個(gè)開發(fā)者社區(qū)，提供專業(yè)問答、行業(yè)資訊、開發(fā)競(jìng)賽、線下沙龍等內(nèi)容和活動(dòng)。大家也可以通過該社區(qū)尋找工作機(jī)會(huì)。
——保存學(xué)習(xí)清單
我們這里列舉了一些人工智能、Python和機(jī)器學(xué)習(xí)領(lǐng)域的學(xué)習(xí)清單：
（1）AI&神經(jīng)網(wǎng)絡(luò)&機(jī)器學(xué)習(xí)&深度學(xué)習(xí)&大數(shù)據(jù) 匯總清單——Stefan Kjouharov
https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463
（2）斯坦福大學(xué)-CS-229 ML 學(xué)習(xí)清單—Afshine Amidi, Shervine Amidi
https://github.com/afshinea/stanford-cs-229-machine-learning
（3）機(jī)器學(xué)習(xí)&Python&數(shù)學(xué) 匯總清單——Robbie Allen
https://medium.com/machine-learning-in-practice/cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6
（4）AI專家路線圖——大家可以將它用作一個(gè)技能清單！
https://i.am.ai/roadmap/#fundamentals
（5）全網(wǎng)人工智能機(jī)器學(xué)習(xí)免費(fèi)資源匯總清單—作者：Robbie Allen；編譯：BigQuant
https://zhuanlan.zhihu.com/p/34300031
（6）機(jī)器學(xué)習(xí)&深度學(xué)習(xí) 網(wǎng)站匯總——FlyAI
https://zhuanlan.zhihu.com/p/337548019
除此之外，了解該領(lǐng)域在理論研究和實(shí)際應(yīng)用方面的新進(jìn)展也是非常重要的。想要掌握該領(lǐng)域的新動(dòng)態(tài)，大家可以關(guān)注一下行業(yè)資訊，專業(yè)期刊，甚至是總結(jié)新論文的YouTube頻道。我們?cè)谶@里列出了一些相關(guān)資源，當(dāng)然，你也可以根據(jù)自己的興趣挖掘到更多學(xué)習(xí)資源。
——訂閱YouTube頻道
訂閱分享新論文的YouTube頻道，及時(shí)了解該領(lǐng)域的新進(jìn)展：
（1）Two Minute Papers ——分享新論文的雙周視頻
https://www.youtube.com/user/keeroyz
（2）What's AI——分享新論文的周更視頻
https://www.youtube.com/channel/UCUzGQrN-lyyc0BWTYoJM_Sg
（3）Bycloud——分享新論文的周更視頻
https://www.youtube.com/channel/UCgfe2ooZD3VJPB6aJAnuQng
——訂閱時(shí)事通訊
（1）機(jī)器之心（https://www.jiqizhixin.com/[1]?）
機(jī)器之心是國(guó)內(nèi)的一個(gè)前沿科技媒體和產(chǎn)業(yè)服務(wù)平臺(tái),關(guān)注人工智能、機(jī)器人和神經(jīng)認(rèn)知科學(xué),堅(jiān)持為從業(yè)者提供高質(zhì)量?jī)?nèi)容和多項(xiàng)產(chǎn)業(yè)服務(wù)。大家可以在機(jī)器之心官網(wǎng)首頁(yè)找到很多關(guān)于人工智能和機(jī)器學(xué)習(xí)的新消息。
（2）Inside AI（https://inside.com/ai?）
該平臺(tái)每天都會(huì)匯總關(guān)于人工智能、機(jī)器人和神經(jīng)技術(shù)的故事和評(píng)論。
（3）AI（https://aiweekly.co/?）
該平臺(tái)每周都會(huì)收集有關(guān)人工智能和機(jī)器學(xué)習(xí)的新聞和資源。
（4）AI 倫理（https://lighthouse3.com/newsletter/?）
訂閱該頻道，它會(huì)每周將有關(guān)AI倫理的新內(nèi)容以郵件形式推送給你。
（5）What’s AI（https://www.louisbouchard.ai/newsletter/?）
訂閱What’s AI的時(shí)事資訊，它會(huì)每周將AI新聞和一個(gè)新的AI應(yīng)用簡(jiǎn)介以郵件形式推送給你。
（6）Data Science Dojo資訊（https://datasciencedojo.com/newsletter/?）
訂閱Data Science Dojo的時(shí)事資訊，它會(huì)將新的數(shù)據(jù)科學(xué)內(nèi)容以郵件形式推送給你。
——關(guān)注Medium 賬號(hào)和出版物
（1）Towards AI ——“好的技術(shù)、科學(xué)和工程”
https://towardsai.net/
（2）OneZero——“未來(lái)的潛流”
這是一個(gè)關(guān)于科學(xué)技術(shù)的Medium出版物。
https://onezero.medium.com/
（3）What's AI
這是一位名叫Louis Bouchard的科普博主的Medium賬號(hào)。他致力于分享AI知識(shí)和行業(yè)資訊，讓每個(gè)人都學(xué)會(huì)使用AI；同時(shí)，也讓人們意識(shí)到使用AI的風(fēng)險(xiǎn)。
https://whats-ai.medium.com/
——查看GitHub 指南
https://github.com/BAILOOL/DoYouEvenLearn
這是一份關(guān)于人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和計(jì)算機(jī)視覺的基本指南，可以幫助你跟上相關(guān)領(lǐng)域的新資訊、論文和熱門話題等。
10.如何找工作
以下是一些尋找機(jī)器學(xué)習(xí)相關(guān)工作的技巧：
首先，如果大家不確定具體要從事什么工作，可以參考《機(jī)器學(xué)習(xí)面試入門》（https://huyenchip.com/ml-interviews-book/contents/chapter-1.-ml-jobs.html?）的第一章。這一章詳細(xì)介紹了機(jī)器學(xué)習(xí)行業(yè)的不同工作，可以幫助大家了解不同崗位以及自己的興趣所在。此外，《機(jī)器學(xué)習(xí)面試入門》由兩部分組成：該書的第一部分概述了機(jī)器學(xué)習(xí)行業(yè)的面試過程，機(jī)器學(xué)習(xí)的崗位，每個(gè)崗位的必備技能，面試過程中的常見問題，以及如何準(zhǔn)備面試等。這部分也介紹了面試官的心理以及他們?cè)诿嬖嚂r(shí)注重應(yīng)聘者的哪些特質(zhì)。該書的第二部分列出了200多個(gè)專業(yè)問題，涵蓋機(jī)器學(xué)習(xí)領(lǐng)域的重要概念和常見的誤用概念。面試小白可以深入閱讀此書，提升面試技巧。
當(dāng)大家已經(jīng)確定好自己的目標(biāo)崗位時(shí)，就需要投入到相應(yīng)準(zhǔn)備工作中去。大家可以提供一些在線共享的個(gè)人項(xiàng)目，例如一個(gè)博客、一個(gè)完整的GitHub庫(kù)等。此外，大家還需要為不同類型的面試做好“必須通過”的完全準(zhǔn)備。
我們先從個(gè)人項(xiàng)目展開介紹。事實(shí)上，個(gè)人項(xiàng)目的作用往往被低估了。以博客為例，它完全有可能讓大家輕松找到工作，甚至不需要找工作。一方面，如果大家在博客上發(fā)布了一個(gè)關(guān)于“如何制作基于機(jī)器學(xué)習(xí)的應(yīng)用程序”的帖子，那么這個(gè)帖子就有可能被招聘人員看到。進(jìn)一步，如果這個(gè)帖子的含金量很高，那么招聘人員可能會(huì)主動(dòng)邀約面試，并為你提供工作。另一方面，如果你的博客運(yùn)營(yíng)得很好，它也可以成為一個(gè)收入可觀的副業(yè)。不要低估語(yǔ)言表達(dá)能力的作用，能夠清晰地闡釋你的項(xiàng)目?jī)?nèi)容并讓老板“get”到關(guān)鍵點(diǎn)是非常重要的，并且這一點(diǎn)也將直接體現(xiàn)在你的工資收入中。此外，擁有博客的另外一個(gè)作用就是教學(xué)。教學(xué)可以提高大家的溝通技巧和領(lǐng)導(dǎo)能力，而這一點(diǎn)在數(shù)據(jù)科學(xué)工作中也是非常重要的，因?yàn)橄嚓P(guān)從業(yè)者的主要目標(biāo)就是理解數(shù)據(jù)并高效利用數(shù)據(jù)。它可能會(huì)變得極其復(fù)雜，因?yàn)樵谶@項(xiàng)工作有所產(chǎn)出之前，你需要解釋你在做什么以及為什么它會(huì)起作用，否則你可能無(wú)法得到任何資金支持。只要相關(guān)結(jié)果沒有遞交給投資者或者你的老板，整個(gè)過程就類似于你什么也沒做。這恰好也說明了溝通技巧的重要性。因此，你可以將兩個(gè)目的合二為一，通過教學(xué)來(lái)提高自己的溝通能力，同時(shí)也可以幫助他人理解一些復(fù)雜的專業(yè)概念。
此外，專業(yè)技能也是非常重要的。擁有一個(gè)良好運(yùn)用的GitHub庫(kù)是非常有價(jià)值的，尤其是當(dāng)你投入精力清理代碼并為你的代碼和自述文件作注解的時(shí)候。記得在GitHub分享你參與過的項(xiàng)目，即使是課程項(xiàng)目。雖然你的個(gè)人項(xiàng)目會(huì)令招聘人員更加印象深刻，但是其他項(xiàng)目也可以體現(xiàn)你的專業(yè)水平以及團(tuán)隊(duì)合作能力，同時(shí)可以記錄你的工作。如果有時(shí)間的話，大家可以創(chuàng)建一個(gè)基于機(jī)器學(xué)習(xí)的應(yīng)用程序，并且在你的GitHub和應(yīng)用程序中進(jìn)行共享。這個(gè)應(yīng)用程序可以表明你投入精力學(xué)習(xí)了許多必要的課外知識(shí)和專業(yè)技能，體現(xiàn)你較強(qiáng)的學(xué)習(xí)能力和應(yīng)對(duì)復(fù)雜問題的能力，甚至還可以幫你賺錢。當(dāng)它既可以幫大家找到工作，又有可能成為工作的時(shí)候，為什么不投入精力呢！
——機(jī)器學(xué)習(xí)面試中的注意事項(xiàng)
面試是求職的重要步驟，因?yàn)槲覀冊(cè)谶@里列舉了一些有關(guān)機(jī)器學(xué)習(xí)面試的資源，希望可以幫助大家提升面試技能。
（1）知乎
- 各大公司機(jī)器學(xué)習(xí)面試內(nèi)容總結(jié)
https://zhuanlan.zhihu.com/p/35814495
- 如何斬獲一線互聯(lián)網(wǎng)公司機(jī)器學(xué)習(xí)崗offer
https://zhuanlan.zhihu.com/p/76827460
- 機(jī)器學(xué)習(xí)算法理論面試題大匯總
https://zhuanlan.zhihu.com/p/256450188
常見機(jī)器學(xué)習(xí)面試題
https://zhuanlan.zhihu.com/p/82105066
（2）牛客網(wǎng)?https://www.nowcoder.com/
?？途W(wǎng)是一個(gè)集筆面試系統(tǒng)、題庫(kù)、課程教育、社群交流、招聘內(nèi)推于一體的招聘類網(wǎng)站。大家可以在該平臺(tái)上進(jìn)行職業(yè)性格測(cè)試、能力評(píng)估，并通過測(cè)試題庫(kù)和經(jīng)驗(yàn)分享帖等，提升自己的面試技能。
（3）《機(jī)器學(xué)習(xí)面試入門》——Chip Huyen（https://huyenchip.com/ml-interviews-book/）
提醒一下，如果你目前正在尋找機(jī)器學(xué)習(xí)的相關(guān)工作，那么這本書是必讀的。我們?cè)谶@里列舉了該書中的一些重要提示：
- 盡早準(zhǔn)備
大家已經(jīng)了解，找工作是需要時(shí)間的，因此你應(yīng)該在拿到專業(yè)學(xué)位之前、在換工作之前或者在學(xué)習(xí)在線課程的過程中盡早開始，然后同步完成這些事情。
- 發(fā)揮社交網(wǎng)絡(luò)的作用
利用好自己的人脈關(guān)系，嘗試與老師或者同事溝通交流從而獲得一些工作機(jī)會(huì)。
- 模擬練習(xí)
就像編程和數(shù)學(xué)一樣，面試也是需要勤加練習(xí)的。大家可以使用該書中的模擬問題，在朋友、家人或同事面前練習(xí)面試技巧。
- 提升專業(yè)技能
了解新的研究和實(shí)踐，保證你的專業(yè)技能是與時(shí)俱進(jìn)的。大家可以做一些編程練習(xí)，就像該學(xué)習(xí)指南在前面編程部分分享的NumPy一樣，同時(shí)也可以在http://leetcode.com上面嘗試一下。
- 充分了解應(yīng)聘公司的背景
在面試之前要對(duì)你所應(yīng)聘的公司進(jìn)行充分了解，并嘗試思考一些在面試過程中可能會(huì)問到的有關(guān)公司介紹和公司使命的問題。這樣在面試時(shí)大家就可以表現(xiàn)得對(duì)該公司十分感興趣，并且輕松得回答出相關(guān)問題。
- 善于傾聽和發(fā)言
大家在面試過程中不要說得太多，也不要過于沉默。首先，大家要聽清楚面試官的每一句話，在面試過程中試著去了解他們和他們的角色。其次，大家要向面試官闡明自己的思考過程，便于他們更加清楚直接地對(duì)你的所有反應(yīng)進(jìn)行分析。大家要記住，面試過程也是為了更好地找到一個(gè)適合自己的工作，而不僅僅是為了他們。
- 誠(chéng)信
誠(chéng)信是十分重要但又往往被應(yīng)聘者所忽略的一件事情。如果應(yīng)聘者說謊，很有可能被面試官發(fā)現(xiàn)，并且將會(huì)導(dǎo)致不良后果。
- 遵循個(gè)人興趣愛好
最后，請(qǐng)大家找一份自己喜歡的工作。我們確實(shí)難以提前知道自己喜歡什么，但可以跟隨自己的內(nèi)心，選擇一份具有挑戰(zhàn)性的工作，并且可以和一個(gè)優(yōu)秀的、有趣的、鼓舞人心的團(tuán)隊(duì)一起工作。
另外，還有其他一些比較重要的注意事項(xiàng)，大家可以在面試過程中應(yīng)急使用：
首先，再次強(qiáng)調(diào)不要撒謊，這是至關(guān)重要的。
不要批評(píng)以前或者現(xiàn)在的老板。你對(duì)他們所做的任何事情都會(huì)讓人覺得你也可以對(duì)正在應(yīng)聘的這家公司做出同樣的事情，我們?cè)谌魏螘r(shí)候都應(yīng)該要尊重他人。
要保持自信，不要緊張。大家可能會(huì)面臨較為激烈的競(jìng)爭(zhēng)，但每個(gè)人都是獨(dú)一無(wú)二的，你肯定擁有一些可以幫你找到心儀工作的過人之處。此外，在面試過程中不要向下看或者東張西望。當(dāng)你思考的時(shí)候，可以看著面試官的眼睛或者向上看，這表明你正在搜尋記憶、思考答案。
不要談?wù)撘恍┡c面試無(wú)關(guān)的隱私。比如你的政治立場(chǎng)、宗教信仰、年齡和婚姻狀況等。
不要急于在面試過程中討論薪水的問題。在面試結(jié)束后，面試官通常會(huì)和應(yīng)聘者討論這個(gè)問題，大家可以耐心等待。
學(xué)會(huì)談判。談判是一項(xiàng)非常重要的技能，這可能會(huì)直接影響大家的工資、職業(yè)發(fā)展等。如果大家沒有談判經(jīng)驗(yàn)，強(qiáng)烈建議閱讀Chris Voss的《強(qiáng)勢(shì)談判》(Never Split the Difference)（https://info.blackswanltd.com/never-split-the-difference?）一書。Chris Voss是 FBI 前首席國(guó)際人質(zhì)危機(jī)談判專家，世界著名的談判理論專家和實(shí)踐者，“黑天鵝集團(tuán)”的創(chuàng)始人和管理者，在談判領(lǐng)域有二十多年的豐富經(jīng)驗(yàn)。他在此書中總結(jié)了一套全新的、經(jīng)過實(shí)戰(zhàn)檢驗(yàn)的高價(jià)值談判策略。
請(qǐng)大家相信自己一定可以找到工作的。這可能會(huì)需要十幾次甚至上百次的嘗試，都是很正常的，這主要取決于地域和當(dāng)前的經(jīng)濟(jì)形勢(shì)。慢慢來(lái)，要有耐心，盡可能地享受這個(gè)過程，在面試過程中積累經(jīng)驗(yàn)、提升技能!
11.AI倫理
AI倫理常常被人們所忽視，但它又是非常重要的一個(gè)方面。因?yàn)?，人們?huì)使用你所創(chuàng)建的應(yīng)用程序，這就要求該程序必須尊重和保護(hù)用戶隱私，值得大家信賴。這聽起來(lái)是理所當(dāng)然的，但在技術(shù)層面就比較復(fù)雜了。的確，隨著像人工智能這樣的新技術(shù)面世，我們需要確保它不會(huì)對(duì)人類造成傷害并且值得信賴。但這一點(diǎn)常常被人們所忘記或者自動(dòng)忽視，總以為有人會(huì)處理好這件事情。但事實(shí)并非如此，機(jī)器學(xué)習(xí)從業(yè)者得自己處理。大家可以多思考一下模型的可行度，思考一下這樣一個(gè)由自動(dòng)化機(jī)器運(yùn)行的應(yīng)用程序可能會(huì)產(chǎn)生的倫理問題。正如前面所提到的，這是非常復(fù)雜的，這也是為什么倫理學(xué)和哲學(xué)學(xué)者在研究這一問題時(shí)需要機(jī)器學(xué)習(xí)領(lǐng)域的專業(yè)人士的幫助。為了幫助這些學(xué)者更好地進(jìn)行研究，你首先需要了解為什么“AI倫理”對(duì)我們的未來(lái)如此重要，我們?cè)谶@里列出了部分資源：
（1）Ethics for Data Science
https://www.youtube.com/watch?v=F0cxzESR7ec
這是一個(gè)由fast.ai 創(chuàng)始人Rachel Thomas創(chuàng)作的講述AI倫理的短片。它可以打開大家的思維，并讓你識(shí)別到潛在問題以及思考應(yīng)對(duì)策略。
（2）AI4People：An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations——Floridi 等, 2018 AI4People AI for a good society.
https://link.springer.com/content/pdf/10.1007/s11023-018-9482-5.pdf
（3）Ethics guidelines for trustworthy AI
歐盟委員會(huì)高級(jí)別專家組對(duì)這本書的評(píng)價(jià)為7分。
https://wayback.archive-it.org/12090/20210728013426/https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai
小Mo非常感謝大家的閱讀，祝您在未來(lái)的機(jī)器學(xué)習(xí)職業(yè)生涯中一切順利！
注：部分資源來(lái)源于互聯(lián)網(wǎng)，若有侵權(quán)，請(qǐng)直接聯(lián)系作者刪除。
