machine-learning-for-software-engineers

项目介绍：面向软件工程师的机器学习学习路径

项目背景

"Machine Learning for Software Engineers" 是一个专为软件工程师设计的机器学习学习计划。该计划由Nam Vu创建，他希望通过自学从移动应用开发者转型为机器学习工程师。此学习计划采用了一种自上而下、成果导向的方法，旨在让初学者主要通过动手实践的方式学习机器学习，而无需过多的数学背景。

项目目标

项目的主要目标是提供一个系统化的学习路径，帮助软件工程师快速掌握机器学习的基本概念和实践技能。该路径特别适合那些没有计算机科学学位但希望在机器学习领域发展的技术人员。

为什么使用这个项目？

Nam Vu设计这一学习计划是为了准备转行成为一名机器学习工程师。在此过程中，他认为不必通过获取CS硕士或博士学位也可以进入这个领域，只要有正确的学习方法和持之以恒的努力。

项目突出强调实际机器学习与理论机器学习的区别，即：

• 实际机器学习：涉及数据查询、数据清理、编写脚本和将算法结合起来，以解决现实中的各种复杂问题。
• 理论机器学习：更多涉及数学和抽象概念，有助于理解什么是可能的。

结合这两点，计划希望学员在实践与理论之间找到平衡，通过不断实践以巩固和深化理论知识。

如何使用这个学习计划？

学习内容是以大纲形式呈现的，建议按顺序自上而下地逐步学习。计划中的内容包括各种任务和资源，如书籍、视频、在线课程等，学习者可以根据自己的进度和需求选择合适的材料进行学习。

鼓励与支持

Nam Vu在创建学习计划时，尤其关注那些在面对数学先导条件时感到沮丧的人。这部分内容特别关注克服对数学的恐惧，提供了多种理解机器学习算法的技巧和方法，通过这些内容，帮助学习者在未必有数学背景的情况下理解和掌握机器学习。

使用的视频资源

计划建议使用一些视频资源，其中部分内容需要注册 Coursera 或 EdX 课程。项目计划中也包括了一些免费的公开资源和大学课程视频，帮助学习者进行多资源的学习。

准备知识

Nam Vu建议在开始详细学习之前，先了解一些相关领域的基础知识，包括数据分析、数据挖掘、统计学等。这部分内容帮助学习者在正式进入每日学习计划之前做好基础准备。

日常学习计划

学习计划是基于每日主题设计的，可以根据个人的时间安排进行调整。建议每天选择一个主题，深入阅读相关材料并完成练习，以Python或R实现相应的练习，逐步积累机器学习经验。

资源与书籍

计划中包含了一些初学者书籍和实用书籍的推荐，这些书籍帮助学习者构建基础知识并在实际应用中运用所学技能。此外，还包括参与Kaggle知识竞赛的视频系列、MOOC、游戏等多元化资源，以帮助学习者更全面地掌握机器学习。

社区与讨论

计划鼓励参与各种机器学习社区和讨论组，如Quora、Reddit、Data Tau等，加入这些交流平台可以获取更多的信息和灵感，提高学习者的机器学习水平。

关于参与和贡献

该计划鼓励任何有兴趣的人士为项目贡献内容，不断完善和优化学习路径，使其更具实用性和可操作性。

以上是对 "Machine Learning for Software Engineers" 项目的介绍，这是一个详细的学习路径，旨在帮助自学的程序员成功转型为机器学习工程师。通过系统的学习，学习者将能够在实际应用中更好地应用机器学习技术，并使用这种技能开创职业发展的新篇章。