machine learning for software engineers
1.0.0
受到编码面试大学的启发。
翻译： 巴西葡萄牙语 | 中文版本 |法语 | 台湾华语版本
我（Nam Vu）计划如何成为一名机器学习工程师
这是我从移动开发人员（自学，没有 CS 学位）到机器学习工程师的为期数月的学习计划。
我的主要目标是找到一种学习机器学习的方法，该方法主要是针对初学者的实践和抽象大部分数学知识。这种方法是非常规的，因为它是为软件工程师设计的自上而下且结果优先的方法。
请随意做出任何您认为可以使其变得更好的贡献。
我正在按照这个计划为我近期的工作做准备：机器学习工程师。自 2011 年以来，我一直在构建本机移动应用程序（Android/iOS/Blackberry）。我拥有软件工程学位，而不是计算机科学学位。我在大学里有一些关于微积分、线性代数、离散数学、概率与统计的基础知识。想想我对机器学习的兴趣：
我发现自己正处于困境之中。
AFAIK，机器学习有两个方面：
我认为以实践为中心的方法论的最佳方式是“实践-学习-实践”，这意味着学生首先进行一些现有的带有问题和解决方案的项目（实践），以熟悉该领域的传统方法，也许还可以用他们的方法论。练习了一些基础经验后，就可以去书本上学习底层理论，这可以指导他们以后的高级实践，增强解决实际问题的工具箱。学习理论还进一步提高了他们对初级经验的理解，有助于他们更快地获得高级经验。
这是一个长期的计划。这需要我很多年的时间。如果您已经熟悉了其中的很多内容，那么您花费的时间就会少很多。
下面的所有内容都是一个大纲，您应该按照从上到下的顺序处理这些项目。
我正在使用 Github 的特殊 Markdown 风格，包括用于检查进度的任务列表。
有关 Github 风格的 Markdown 的更多信息
我是一名越南软件工程师，非常热情，想在美国工作。
在这个计划期间我工作了多少？经过漫长而辛苦的一天工作后，每晚大约工作 4 小时。
我正在旅途中。
| 美国真见鬼 |
当我打开书籍和课程时，我会感到沮丧，因为它们告诉我多元微积分、推论统计和线性代数是先决条件。我仍然不知道如何开始......
有些视频只能通过注册 Coursera 或 EdX 课程才能观看。这样做是免费的，但有时课程不再开课，所以你必须等待几个月，所以你无法访问。随着时间的推移，我将添加更多来自公共来源的视频并替换在线课程视频。我喜欢使用大学讲座。
这个简短的部分包含了我在开始每日计划之前想要学习的先决条件/有趣的信息。
每个主题不需要一整天就能完全理解它，并且您可以在一天内完成多个主题。
每天我都会从下面的列表中选取一个主题，从头到尾地阅读、做笔记、做练习并用 Python 或 R 编写一个实现。
知乎
红迪网
数据头
深度学习新闻
KD掘金队
