1.不会算法如何学习机器学习？

不会算法如何学习机器学习？

       先看看相关的图书：要有好几本作为参考，最好是熵源算角度差异大、深浅程度不同，码相比如系统的对熵的计倒卖源码犯罪导论式的、深入的相对有推导的、浅出的熵源算手把手的。它要充当不同学习过程中的码相工具书。

       网络教程：比如Andrew Ng的对熵的计、各种专题的相对博客，有针对地找相应的熵源算教程，相对着看，码相杜比源码片源网络资源比如cto学院的对熵的计课程跟书的表达方式毕竟是不一样的，也是相对很有益的信息源。

       paper：比如学CNN的熵源算时候，就搜一堆论文来，码相集中一段时间看一轮，meego底层源码一定要有针对性，带着很明确的问号去看。

       开源资源：很多很多东西，其实都有人做出来开源了，直接拿来用，智能网关源码一边用一边理解，甚至可以学习源码。

       关注这个领域：关注相关的会议期刊，关注大牛们（Hinton、Bengio、腾讯页面源码LeCun等）的动向，微博加一堆领域大牛每天看一眼他们分享什么上来。

       基础知识：线代、统计、概率、数学分析；信息论方面基本概念要理解，比如要知道相对熵是什么意思和怎么算；凸优化和最优估计相关内容，在各种各样问题中都会遇到，学好了可以帮大忙。

       机器学习主要就是找到目标函数并且做参数估计，虽然有很多现成工具，但是不熟悉优化问题的话，会很抓瞎。

       熟悉几个模型：神经网络（SAE、RBM、CNN等）、SVM、最大熵、CRF、随机森林、GMM等等。了解不同应用场景下各种模型有什么优劣，挑一些自己以后可能常用到的多练习。