学习笔记，仅供参考，有错必纠
机器学习似乎比其他计算机科学学科都要难，特别是对于数学不太好的程序员而言。你对这些程序员有什么样的建议呢？
我建议应该先自学基本的概率、统计，以及线性代数。你不需要学一个学期那么长的课，这些基础知识就会让你有很大收获。有很多在线资源，比如Kahn academy视频。（我在56.com和Kahn academy找了一下有很多英文的，也有一些中文的。）也有一些比较容易起步的书，我比较熟悉有美国英文版的“teach yourself”（自学）系列, “statistics for dummies”（傻瓜统计）, “probability refresher”（概率补习），“statistics demystified”（统计解惑）等等。
我其实认为这里面其实很有商机。Kahn academy视频很不错，因为它们都很短，但遗憾的是这些视频都是英文的。我看见的中文线性代数视频都很长。如果你能做出像Kahn academy那样的中文视频，我觉得是会非常受欢迎的。
- 如何进阶学习机器学习？对于初学者是否有一个类似于路线图的东西？你有什么推荐书单吗？
我会读Witten 和 Frank所著的《数据挖掘：实用机器学习工具与技术》，这里面涉及的数学很少，但是又对普通算法做了很好的介绍。我觉得紧接着就该读Tan, Steinbach, 以及Kumar的《数据挖掘导论》。
当然，这些书都很厚，如果你想马上就搞明白一些东西，估计就不想读这些大部头了。如果要把某个算法弄明白，我会在网上找很多教程。比如Adboost算法，我认为多读一些不同的教程比只读一个，深入钻研要好很多。
最后我觉得应该多动手玩玩实例。问问你自己：如果我改变这个数据，结果会是怎么样的呢？
- 对于有些人来说“算法”才是机器学习真正有趣的地方，但是机器学习里面总有一些苦活累活不那么有意思，比如数据预处理。你是怎么完成这些“不那么有趣”的工作的？
当然，肯定有无聊的工作，所以你一定要把这部分工作自动化，这样你就不需要重复做这些无聊的工作了。这样做也会让你变成一个更好的软件开发者。
- 数据科学家被评为世界上最火的工作之一，你认同吗？您本人作为一个数据科学家，有什么可以和我们分享的经验吗？要成为一个数据科学家需要有什么条件？
我认为数据科学家现在确实很好找工作。什么是数据科学家呢？我认为数据科学家是介于统计学家和软件工程师中间的一种工作。公司、个人、NPO，甚至运动队都需要根据数据来做决策。他们需要可以分析数据的人。这需要我之前提过的两种条件。人们不需要单纯的统计学家，这些人可能对于争论自己到底用不用贝叶斯定理更感兴趣，人们需要的是真正能做实事的人。
所以我也建议大家多动手做一些东西。这是什么意思呢？创造一些项目，收集数据，预处理数据，然后做一些数据分析，展示数据，最后向公众展示这些数据。如果你做了很多这样的事情，那么你就有一个可以用来向你未来老板或者其他人展示的档案夹。几乎我书里的每个例子都可以用来做成一个网站或者智能电话app，这些都是你可以示人的资本。
- 很多大（数据）公司，比如Google, Facebook 和 Baidu都投入很多精力在深度学习上。你认为深度学习会在未来取代“人工特性+机器学习”的方法吗？
不，我不认为深度学习会取代人工特性+机器学习。有很多领域，深度学习确实很擅长，比如识别图片。但是仍然有很多领域现存算法的表现更胜一筹。
