前言
我是一名日语文科生，目前是一名全栈工程师，从数据分析师转变为机器学习从业者，再到现在的全栈工程师。本文将介绍如何在一年内实现这一转变，分享学习过程中遇到的经验教训及解决方案。
我的一周机器学习计划
第一个实验是花一周时间进行机器学习，看看能走多远。
像许多对机器学习感兴趣的学生一样，先完成了一半的在线课程，却无法将学到的知识转化为实际解决问题。
我将这个工作周命名为'一周内的机器学习'，细分如下：
星期一：学习基础知识。 星期二：对新数据进行预测。 星期三：从头开始编写算法。 星期四：参加比赛。 星期五：学习 Udacity 课程。
这个方案非常实用，两天专注于建模以得到结果，另一天专注于实现算法。这个方案我介绍给了很多学生，他们都很喜欢。
当意识到可以开始使用机器学习解决现实生活中的问题时，这是一个关键时刻。
我认为一周最大的收获是在一个工作周内取得非常真实和非常有价值的进步是可能的。
在 20-40 岁这 20 年的职业生涯中，其实五天不算什么。
如果您对机器学习感兴趣，我强烈建议您花几天或几晚的时间来深入研究。
推荐自上而下和结果优先的入门方法，就像在 Machine Learning Mastery 上教的那样。
如果您还没有准备好接受繁重的工作，请选择自上而下的方法，并尽快解决问题。
我的一年机器学习历程
在完成了工作中的第一个机器学习项目以及发布专利的同时。
我坚持自上而下的方法，这无疑有助于过渡。
事实是，开始机器学习不需要太多数学知识，也不需要学位就可以专业地使用它。
那一年的机器学习自学经历了许多起起落落。这一年的高潮是我开发了一种模型，以提高工作场所的销售额。
我得到的教训
我有几点不同的观点。我总结了从经历中吸取的 5 个关键教训：
- 采取简单的自上而下的方法，而不是硬性的自下而上的理论方法。
- 你不需要更高的学位，只需专注于提供价值。
- 这也让我摆脱了只有拥有硕士学位或博士学位的人才可以专业地与机器学习合作的错觉。
- 也许跳过通用 MOOC，或者找一个适合你的。我也没有完成它，因为我很少用 MOOC 完成它。如果我能回到过去，我会选择 Udacity 的 Intro to Machine Learning，因为它更容易并且使用 Python 和 Scikit Learn。这样，我们会尽快动手实践，获得信心，并获得更多乐趣。
- 不要尝试同时学习机器学习和一门新的编程语言。在尝试编写机器学习算法的同时学习一门新语言对新手来说太难了。
通过竞赛练习在真实世界数据上交付结果。从中主要收获是通过试验算法和数据来迭代改进结果的经验。
我的专业提示
我认为可以真正加速进步的两个方法。
- 寻找一位优秀的指导老师在此过程中为您提供支持和建议。
- 询问您是否可以在工作中学习机器学习。
考虑尝试这些策略来真正加快你的进步。
给新手的建议
达到这一点肯定是一段漫长的旅程。但也是一个快速的；当我在一周的项目中开始我的机器学习时，我当然没有任何希望在一年内真正专业地使用它。但这是 100% 的可能。如果我能做到，其他人也能做到。
