每個人學習風格不一樣,選擇適合自己的就是最好的!這邊簡單列了幾個方向,大家可以看看並到各論壇網站搜尋更多資訊~
如果想走跟數據處理有關的路,那SQL語法(推個w3schools的教學與範例)、資料庫、資料探勘流程方法工具、視覺化報表、AutoML是關鍵字,可能還需要統計相關知識。
想多學一點機器學習方法的,在時間有限的情況下推薦按自己遇到的問題學習相關方法~譬如說股票預測分析問題等。這邊稍微提一下機器學習常研究的兩大領域,分別是影像辨識(computer vision)跟自然語言處理(NLP, Natural Language Processing):
相關課程推個李宏毅老師的機器學習課程(youtube頻道),以非常淺顯的方式教了很多相關方法原理與思考等,裡面的數學推導看完「機器學習的數學基礎 : AI、深度學習打底必讀」這本書應該就能理解。這系列的課程還有一個優點是因為觀看人數多,所以有蠻多前輩們整理分享相關筆記!github上的李宏毅机器学习笔记(LeeML-Notes)、兆峰在HackMD分享的李宏毅機器學習課程筆記~
想多做一點練習、以累積自己的專案和作品集履歷為主的,各種實務競賽如Kaggle就很合適,也可以了解一下google/microsoft/amazon提供的雲端服務。但這邊覺得更重要的是一些軟實力,譬如說能解釋展現自己專案的特色等。
覺得自己基礎不穩固的(我),這邊的基礎指的是如統計、微積分、演算法、程式等,研究深一點後發現,還是需要系統化的去補這些知識才能活用…目前正在學習當中,搜尋各大學開放式課程和coursera為主。
圖片截自:教育部人工智慧技術及應用人才培育計畫
這邊想再提一個曾經看過的有趣問題,有人問走機器學習或深度學習方向的人,找工作需要刷 LeetCode (軟體工程師的程式面試題庫網站)嗎?我自己覺得如果是以研究並應用機器學習相關方法為生的人,演算法是基礎,所以需要,但一般還是先以有實務經驗為主,leetcode題順邏輯熟悉套路加分用XD
想做的事很多,就一步一步來實現吧,祝大家都能找到屬於自己的機器學習之路!