我的学习路径与方法之机器学习导入篇

作为一名信息与计算科学专业的毕业生，我学了许多数学方面的知识以及与计算机相结合的实践。数学，这个现代科学的基石，大家又爱又恨的科目，是一门对数字以及相关的许多抽象概念不断组合、把玩的学问。所谓“阴阳术数”，在中国古代，数字有特定的含义，奇数为阳，偶数为阴，在中药、周易推演、风水评估等许多方面有应用。中药里，有时不是像现在西医配方那样以重量、体积来定一味成分的量，而是类似“蟋蟀一对”、“梅花三朵”这样的描述来定量，不管蟋蟀、梅花的大小。在他们看来，个体数、数字本身即可计量，而一、三、五、七之类的组合，就像周易或者公式一样，代入之后就能产生一种“场”效。

中西对待数学的方式之别，其实反映了中西文化中应物御世的世界观、方法观之别。中国人以象为着眼点，所谓“大象无形”，不会去纠结具体的现象、演化步骤。比如中医，从人体的气机通畅，日常生活中五味平衡、六音协调、身体与外界之间阴平阳秘来调常，人最舒服，身体也最健康。西医则要测量人的血压、心跳，化验人的血液、二便，得出一系列指标测量值，再在这些指标的取值范围中确定位置。从根本上讲，他们做的是同一件事，都是去感知人体的身体状况、调节人的身心，只是前者从可见的现象，从人可直接感触的地方入手，用人类与生俱来的感知判断能力来进行诊断，对人的依赖性大。所以中医有时显得很玄，如同普通人与科学家之间的差距，高明的中医人对人体的直观了解能力是我们难以理解的，就像现在我们面对化验单上的一系列指标一样，高明的中医可以从你的脚步声、面色、行动姿态等细节精确感知到你的身体功能、血气输布情况。

对于科学技术，这个现代生产力的第一推动力量，在中国自古被认为是“奇技淫巧”，圣贤们推崇的是：虚其心、实其腹，无为而治。这其实是一种很高明的治理策略。科技发展到现在，不可谓不发达矣，但是科技本身是一把双刃剑，全球化、科学化带走了我们的丰富地域差异性以及对爱情等美好事物的纯真想象，从某种意义上说也是树立了一种新的信仰，一个新的宗教。折腾了几百年和无数的学者精英，在诸多领域取得了无数的成果与发明，对人来说最舒服的生活境界还是采菊东篱下的田园潇洒、海上明月共潮生的耕渔惬意以及万卷读破诗愈美的静谧喜悦；最理想的社区环境还是鸡犬不相闻的宁谧和谐、夜不闭户的民风朴素。因此中国人很早就先知般明智地弃科技取文学，起码对于我们大多数人来讲，看叙述性的文字比天书般的数学更加省力。

但现实的历史终究要面对，西方文化船坚炮利，硬把我们从“天朝上国”的美梦中打醒了，我们的观念、生活方式也大大地西化了，从此不再仅仅读语文，还要学习数学、研究发明各种“奇技淫巧”来提升我们的国力与生活，要探索一切可能，包括地外文明。到了我们这个年纪，数学也是学了不少的：从基础的算数方程几何，到高等代数、微积分、概率论、解析几何。虽然学了这么多的数学知识，一遇到现实问题，仍然是半瓶水晃荡；看到数学公式，仍然头晕、头痛。这里面有教育模式的问题，国内教育重知识灌输而轻知识本身的发现、推演过程，对于知识在实际生活中的运用也重视不够。

学习是有不同的方法的，像我们以前是塞、填，九年的填鸭式学习让我们丧失了自主发现、推演的能力以及动力。“为学日增、为道日减”。其实为学也可以从减入手，只有先放下已有的观念，倒掉已有的水，才好装进新的知识。如何做减法因人而异，就比如我（在真正的休息，比如坐禅或者睡完一觉之后），用初生婴儿般的好奇、不带先入概念地看这个世界，就会有很多平时忽略了的发现。佛家道家电影以及武装剧中常有“无字天书”之说，在我看来无字天书就是我们能接触到的一切信息，包括我们这个身体（人的身体其实很奇妙，细细体会能够发现很多道理，也能由此发明很多东西，比如太极，比如周易），以及我们周遭的人际、社会场景，每天看到的自然现象（太阳东升西落、月盈月亏、潮涨潮落）。我们不需要像科学家那样去一一细钻，但是要像科学家那样客观，静静地体味天地、生活的美，并进而发现其中的各种规律，迁移到我们现在面对的难题上。

比如数学，许多大科学家都提倡不要记那么多公式，用时知道在哪就好，所以平时看数学相关的书籍看得懂摸得透细节固然很好，但是搞不拎清时，知道有这么个东西，从哪里找就可以。但作为技术男，有时就是要搞懂弄通许多复杂、艰涩的流程以及公式，这也是我常常面对的问题。古人云：读书百遍，其义自现。现在这么多公式、图片，读是读不了了，但是还可以抄，我的体会是抄个两遍，我们会发现许多遗漏的细节，进而弄懂这些流程、公式。当然这也是有科学依据的，抄这个动作放慢了我们咀嚼信息的速度，聪明如各位，反复咀嚼，反刍消化，还有什么是吃不透嚼不烂的呢。

不仅在学习、搬取已有知识上有古法可效，在新方案设计、难题攻克上，无字天书也能助我们一臂之力。譬如机器学习、人工智能，这么高大上的领域，我们能否在上面有自己的建树与作为？可以！为什么？机器学习其实是模仿人的学习，作为被模仿者的我们静下心看看自己是怎么学习的，回顾一下自己学习的经过历程，便能找到许多机器学习的思路。举个例子：人的学习有主动、被动，机器学习也由此分为有监督学习、无监督学习、半监督学习。人可以如镜子般反照外相，吸收知识；也可以与外界互动，在交互中学习；延伸至机器学习，便有所谓强化学习的概念。

机器学习的作用是分类、回归、预测以及指导决策。那么想一下，人是怎么区分两个同类事物的，比如两个苹果，有大小、色泽之别，咬一口还有水份、酸甜度之差别。在尝试、对比了这一系列属性综合之后，便可以找到区分苹果的一些重要特征，在这些特征上建立区分模型来给苹果区分品种。比如聚类，就是按照各项指标相似度，相近者归为同一类；如果事先已知苹果的分类，我们可以走监督学习（如决策树）的路子；如果仅仅知道一些大而泛的信息，比如产地、光照，我们还可以走半监督层次聚类的路。

在已有苹果（训练集）上得到的结论在其他苹果（测试集）试，从失败中总结经验，再次玩这个苹果分类的游戏，就是迭代。分了多次之后，我们成了这方面的专家，给我们一个苹果，我们都能直接说出它的品类产地，这款模型便足够健壮，可以上线使用了。

以上是学习方法，那么我学习的知识、内容范围呢？我对数学、算法体会较多，平时也在这些上面折腾较多，还喜欢看很多在别人看来很杂的书，包括产品、运营以及机器学习等等相关的书，用苹果创始人乔帮主的一段话作为解释：

当时，我压根儿没想到这些知识会在我的生命中有什么实际运用价值；但是10年之后，当我们设计第一款Macintosh电脑的时候，这些东西全派上了用场。我把它们全部设计进了Mac，这是第一台可以排出好看版式的电脑。如果当时我大学里没有旁听这门课程的话，Mac就不会提供各种字体和等间距字体。自从Windows系统抄袭了Mac以后，（鼓掌大笑）所有的个人电脑都有了这些东西。如果我没有退学，我就不会去书法班旁听，而今天的个人电脑大概也就不会有出色的版式功能。当然我在念大学的那会儿，不可能有先见之明，把那些生命中的点点滴滴都串起来；但10年之后再回头看，生命的轨迹变得非常清楚。再强调一次，你不可能充满预见地将生命的点滴串联起来；只有在你回头看的时候，你才会发现这些点点滴滴之间的联系。所以，你要坚信，你现在所经历的将在你未来的生命中串联起来。你不得不相信某些东西，你的直觉、命运、生活、因缘际会…… 正是这种信仰让我不会失去希望，它让我的人生变得与众不同。

学习专业知识也是一样，不要太功利化，要相信自己所学都会派上用场（不一定真的具体用该知识，知识是融会贯通的，跨界的知识往往能够有创新），差异化才是优势与潜力所在。

我的学习路径与方法之机器学习导入篇相关推荐

Oracle的学习路径与方法讨论
总结了一下大家的意见,也加了一些个人的看法,Oracle的学习路径,可供参考: 初级阶段:可以从OCP教材开始,还有文档中的Administrator's Guide.Concepts.Perform ...
Spring.NET学习笔记10——方法的注入(基础篇) Level 200
多数用户都会将容器中的大部分对象布署为singleton模式.当一个singleton对象需要和另一个singleton对象协作,或者一个非singleton对象需要和另一个非singleson对象协 ...
Github标星超7k！从零开始，最简明扼要的数据科学学习路径
大数据文摘出品作者:蒋宝尚试图入门一个新话题时,多数人会感到不知所措?这时候,一份明确的学习路径可以帮你去除这一焦虑.数据科学当然也有这样一套路径. 一周前在Github上出现的一份超高赞贴就总 ...
Github标星超7k！从零开始，最简明扼要的数据科学学习路径（附高效免费小工具）...
点击上方"涛哥聊Python",选择"星标"公众号重磅干货,第一时间送达来源:大数据文摘大数据文摘出品作者:蒋宝尚试图入门一个新话题时,多数人会感到不 ...
机器学习很难上手和提升？你只差一条学习路径！
拥抱变化从网易云音乐的歌单.亚马逊的商品到抖音的短视频,机器学习主导的推荐系统改变了用户浏览习惯:iphone x 在刘海中祭出3D结构光,人脸识别AI便在移动终端迅速蔓延-- 自从Alpha围棋占 ...
深入好文：数字经济技能：基于角色的数字技能培养方法、行业趋势、未来及未来的关键角色、这些角色的学习路径
我们正处于新的工业革命之中,蒸汽推动了第一次工业革命,电力推动了第二次工业革命,数字计算推动了第三次工业革命.根据世界经济论坛的说法,"定义第四次工业革命 (Fourth Industria ...
数据分析：数据分析师学习路径【统计学、SQL、Excel、Python、机器学习】
数据分析入门之后有两个方向的职业选择: 业务方向初级数据分析师 --> 商业分析师 --> 数据分析经理 --> 运营总监 --> 业务负责人技术方向初级数据分析师 -- ...
入门深度学习与机器学习的经验和学习路径
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达作者:Caliber(清华大学应用数学博士在读) 链接:http ...
向顶尖高手学习技巧，方法，认知，成长路径
向顶尖高手学习技巧,方法,认知,成长路径顶尖高手的成功不可复制只能学习,每天都比前一天进步,每日精进越难的事情越要早做.久做.不停的做从提高自己的不可替代性开始,专注做到极致才具有不可替代性只 ...

我的学习路径与方法之机器学习导入篇

我的学习路径与方法之机器学习导入篇相关推荐

最新文章

热门文章