文科生如何入门机器学习：先看看这篇零基础教程，再多算几遍吧

晓查 发自 凹非寺
量子位 出品 | 公众号 QbitAI

AI技术变得越来越受欢迎，许多人开始转向这个领域，当然，也有许多文科学生。当他们普遍缺乏大学数学知识时，他们不能开始机器学习吗？

最近有位Reddit网友David Code，他也是一名文科生，曾在脱口秀节目《周六晚上》中工作过。

后来，经过两年的地狱式自学和十几次挫折，他终于掌握了机器学习的知识，并将自己的经历写成了一个长博客。

他说写作时间长了AI书籍和在线课程都是专家，这些人会因为专业而忽视初学者的能力。他的博客跳过了专业部分，试图以流行和幽默的方式展示机器学习的介绍知识。

知识是算出来的

学习AI在此之前，首先要放弃原文科的学习方法。

博客开头，David警告初学者，学习数学和计算机知识不像读小说。不要指望一次就能理解。你可能需要反复阅读和推断5次才能理解。

David说，当他学到更困难的内容时，他总是设置一个计时器来提醒他不要绝望，不要轻易失败，而是保持微笑、耐心和坚持。

虽然David使用类比、图片、示例等方法来传授知识，但这篇文章在数学上也很严谨。如果你不立即学习，不要轻易放弃。

理工科的知识从来不是“看”就能学会，更需要的是“算”。如果不进行练习，就无法学好博客中涉及的数学。

理解错误

博客介绍了深度学习的四个基本概念：前馈、梯度下降、全球最小值、反向传播。这些基本概念都是用尽可能通俗的方法来介绍的。比如用碗里的小球来比较梯度下降，用详细的每一步地图来介绍矩阵乘法。

博客作者David作为一名文科生，自学，理解上难免会出错。

有网友指出了他文章中的一些错误，比如:

相反，深度学习是指使用一种神经网络，而不是深度学习。

梯度下降不一定是向全局最小值发展，最终收敛的可能是局部最小值。

本文还缺乏对监督与无监督学习、过拟合与欠拟合、模型选择和超参数调整等重要概念的解释。

但总的来说，这个博客仍然是一篇优秀的文章，否则它不会存在Reddit前一天机器学习板块收获300赞。

数学真的不重要吗

当然，David写博客的目的不是宣扬没有数学知识就能掌握机器学习。它只是一篇向文科生提供的入门通俗读物。

如果想要更深入的学习，可能还需要投入几百个小时的学习时间。无论你喜欢与否，都需要数学知识才能理解机器学习和统计数据，没有数学就无法学习机器学习。

很多其他网友在激烈的讨论中强调了以上几点，David本人也表示同意。

总之无论如何，微积分、线性代数、统计学都是学习深度学习的基础。或许你不需要太深入的了解，但是没有这些知识是万万不行的。系统地学习数学知识，能帮你更快入门深度学习。

原文链接：
https://www.reddit.com/r/MachineLearning/comments/cl75du/anyone_can_learn_machine_learning_with_this_blog/

博客地址：
https://colab.research.google.com/drive/1VdwQq8JJsonfT4SV0pfXKZ1vsoNvvxcH

— 完 —

加入社群 | 与优秀的人交流

小程序 | 全类别AI学习教程

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 ！