学习路径

上面说了很多，现在来总结一下我的学习路径，当时算是刀耕火种的时代，下面这个只能做参考。

  • 《统计学习方法》
  • 刷有关领域的论文，因为论文体现发展前沿的重要方式
  • 《统计自然语言处理》
  • 博客+论文级别的深度学习基础get
  • 淘宝买的tensorflow视频，keras文档学keras
  • 自学gensim等NLP工具+动手实践

由于现在资源比较丰富了，所以还是推荐大家看看下面的材料

  • 百度、淘宝、github、论文，最快捷、扎实的学习路径
  • 机器学习：《统计学习方法》、雷明的《机器学习与应用》，塞巴斯蒂安的《python机器学习》，sklearn的API文档建议自己多看看查查
  • 深度学习：黄文坚《tensorflow实战》、tensorflow技术解析与实战
  • 自然语言处理：《统计自然语言处理》、刘兵的《情感分析》、《基于深度学习的自然语言处理》。个人还是建议多看看博客、公众号等，经常提到的模型才是最好的，目前大部分书都只是浮于表面，这只与NLP这块的发展现状有关，博客多看自己也多动手
  • 其他：《数据挖掘导论》，《机器学习实践指南》、《python数据分析与挖掘实战》、《精通数据科学》

从我的视角，这些书能够看完并且能够理解，超过60%-70%的人没问题，关键就看你能不能看下来。

学习建议

  • 扎实基础，无论是数学还是编程开发，不要想着避开，出来混总是要还的
  • 不要老是抱怨自己没有资料，只是你没找过而已，甚至是百度淘宝都是有的
  • 不一定要系统学习，前沿知识很难有体系，所以一方面平时要接受信息，另一方面坚持去查资料看
  • 多阅读工具给的文档，英文？翻译软件能帮到你