machine learning for software engineers
1.0.0
受到程式設計面試大學的啟發。
翻譯： 巴西葡萄牙語 | 中文版本 |法語 | 台灣華文版本
我（Nam Vu）計劃如何成為機器學習工程師
這是我從行動開發人員（自學，沒有 CS 學位）到機器學習工程師的為期數月的學習計畫。
我的主要目標是找到一種學習機器學習的方法，該方法主要是針對初學者的實踐和抽像大部分數學知識。這種方法是非常規的，因為它是為軟體工程師設計的自上而下且結果優先的方法。
請隨意做出任何您認為可以使其變得更好的貢獻。
我正在按照這個計畫為我近期的工作做準備：機器學習工程師。自 2011 年以來，我一直在建立本機行動應用程式（Android/iOS/Blackberry）。我在大學裡有一些關於微積分、線性代數、離散數學、機率與統計的基礎知識。想想我對機器學習的興趣：
我發現自己正處於困境之中。
AFAIK，機器學習有兩個面向：
我認為以實踐為中心的方法論的最佳方式是“實踐-學習-實踐”，這意味著學生首先進行一些現有的帶有問題和解決方案的專案（實踐），以熟悉該領域的傳統方法，也許還可以用他們的方法論。練習了一些基礎經驗後，就可以去書本上學習底層理論，這可以指導他們以後的高級實踐，增強解決實際問題的工具箱。學習理論也進一步提高了他們對初級經驗的理解，有助於他們更快地獲得高級經驗。
這是一個長期的計劃。這需要我很多年的時間。如果您已經熟悉了其中的許多內容，那麼您花費的時間就會少很多。
下面的所有內容都是一個大綱，您應該按照從上到下的順序處理這些項目。
我正在使用 Github 的特殊 Markdown 風格，包括用於檢查進度的任務清單。
有關 Github 風格的 Markdown 的更多信息
我是越南軟體工程師，非常熱情，想在美國工作。
在這個計劃期間我工作了多少？經過漫長而辛苦的一天工作後，每晚約工作 4 小時。
我正在旅途中。
| 美國真見鬼 |
當我打開書籍和課程時，我會感到沮喪，因為它們告訴我多元微積分、推論統計和線性代數是先決條件。我仍然不知道如何開始...
有些影片只能透過註冊 Coursera 或 EdX 課程才能觀看。這樣做是免費的，但有時課程不再開課，所以你必須等待幾個月，所以你無法訪問。隨著時間的推移，我將添加更多來自公共來源的影片並替換線上課程影片。我喜歡使用大學講座。
這個簡短的部分包含了我在開始每日計劃之前想要學習的先決條件/有趣的資訊。
每個主題不需要一整天就能完全理解它，並且您可以在一天內完成多個主題。
每天我都會從下面的清單中選取一個主題，從頭到尾地閱讀、做筆記、做練習並用 Python 或 R 編寫一個實作。
知乎
紅迪網
數據頭
深度學習新聞
KD金塊隊
