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)：

  • 影像辨識：程式語言要夠熟，YOLO 一定要碰過。
  • 自然語言處理：這一個領域從語言斷詞編碼方式(ex.word2vec)，使用什麼機器學習技術(ex.RNN/LSTM)處理怎麼樣的問題(ex.chatbot)，到要怎麼解讀解釋(ex.語言學語音、語意跟語境角度)，每一點都是一個大主題，因為人的語言本身就很複雜。

  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！