量子位 出品 | "大众年夜众号 QbitAI
AI技能变得越来越热门，很多人开始转行进入这一领域，个中当然也不乏文科生。他们在普遍缺少大学数学知识的情形下，就不能入门机器学习了吗？
最近有位Reddit网友David Code，他也是一名文科生，曾经在脱口秀节目《周六夜现场》事情过。
后来他经由两年“地狱式”的自学，十几次的挫败，终极节制了机器学习的知识，并把他的履历写成了一个长篇博客。
他说，长期以来编写AI书本和在线课程的都是专家，而这些人由于专业而会忽略初学者的能力。他写的博客跳过了专业的部分，用只管即便普通诙谐的方法来展现机器学习的入门知识。
知识是“算”出来的
学习AI之前，首先就要摒弃原来文科的学习方法。
在博客开头，David就告诫初学者，学习数学、打算机知识不像看小说，不要指望一次就能理解，可能须要反复阅读和推演5次才能看懂。
David说，当他学到比较难的内容时，总是会设置一个计时器，以提醒不要绝望、不要轻易言败，而是要保持微笑、耐心和坚持。
虽然David在文中利用类比、图片、示例等方法来传授知识，但是这篇文章在数学上也是严谨的。如果你没有急速学会，不要轻易放弃。
理工科的知识从来不是“看”就能学会，更须要的是“算”。如果不进行练习，就无法学好博客中涉及的数学。
理解上的缺点
全篇博客先容了深度学习的4个基本观点：前馈、梯度低落、全局最小值、反向传播。文中都用只管即便普通地方法先容了这些基本观点。例如用碗中的小球来比喻梯度低落，器具体到每一步舆图解来先容矩阵乘法。
博客作者David作为一名文科生，又是自学，难免会有理解上的缺点。
有位网友就指出他文章中的一些缺点，比如：
神经网络不是深度学习，相反，深度学习是指利用一种神经网络。
梯度低落不一定是朝着全局最小值发展，终极收敛到的可能是局部最小值。
文章中也缺少一些主要观点的阐明，如监督与无监督学习、过拟合与欠拟合、模型的选择和超参数的调度，等等。
但总体上来说，这篇博客仍不失落为一篇精良的文章，否则也不会在Reddit机器学习板块上一天就收成300赞了。
数学真的不主要吗
当然，David写博客的目的不是鼓吹没有数学知识就能节制机器学习。它只是一篇向文科生供应的入门普通读物。
如果想要更深入的学习，可能还须要投入几百个小时的学习韶光。无论你喜好与否，都须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谈论中强调了以上几点，David本人也表示赞许。
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根本。或许你不须要太深入的理解，但是没有这些知识是切切弗成的。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 —
诚挚招聘
量子位正在招募编辑/，事情地点在北京中关村落。期待有才华、有激情亲切的同学加入我们！
干系细节，请在量子位"大众年夜众号(QbitAI)对话界面，回答“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技能和产品新动态