原文：
www.kdnuggets.com/2018/04/dont-learn-machine-learning-24-hours.html
评论
来源 — medium.com/designer-hangout/machine-learning-and-ux-c28725b5f3a5
最近，我看到了一篇由彼得·诺维格撰写的精彩文章——“在 10 年内自学编程”。
这是一个机智且稍带讽刺的标题，挖苦那些旨在让你在 24 小时、7 天、10 天， 或插入一个荒谬短时间段内学会编程的咖啡桌编程书籍。
诺维格博士提出了一个很强的观点。是的，你可以在 24 小时内掌握编程语言的语法、特性和风格，但这并不意味着你已经熟练掌握了编程的艺术。因为编程并不仅仅关乎语言。编程涉及智能设计、对时间和空间复杂性的严格分析、了解何时使用某种语言优于另一种语言，等等。
当然，你可以在 24 小时内用 C++编写一个 Hello World 程序，或者编写一个计算圆面积的程序，但这不是重点。你是否掌握了面向对象编程的范式？你是否理解了namespaces和templates的用例？你是否了解著名的STL? 如果你了解这些，你肯定不会在一周甚至一个月内学完所有这些内容。这需要你花费相当长的时间。而且你学得越多，就越意识到深渊比从悬崖上看到的要深得多。
我发现当前围绕机器学习、深度学习和人工智能的氛围与此类似。由于炒作的推动，成千上万的博客、文章和课程纷纷涌现。它们中的许多都带有类似的标题——“7 行代码实现机器学习”、“10 天内掌握机器学习”等。这使得 Quora 上的人们开始提问，比如 “我怎么在 30 天内学会机器学习？”。简短的回答是，“你不能。没有人能做到。连任何专家（或即使对其内情了如指掌的人）也不能。”
看起来很熟悉？在一个非常有趣的 Facebook页面上找到了这个。
即使我们暂时忘记10,000 小时规则，你也不能仅凭 7 行代码来做机器学习。
为什么？因为那 7 行代码没有解释你在偏差-方差权衡中的表现，你的准确性值意味着什么，或者准确性是否是性能的合适指标，你的模型是否过拟合，你的数据分布情况如何，以及你是否选择了合适的模型来拟合你的数据等等。在回答这些问题之后，还有很多其他方面的内容需要了解。
由于你无法解释你的模型，你在 sklearn 中调整参数，得到了一点点准确性的提升，然后高高兴兴地回家了。但你真的学到了什么吗？
来源 — 机器学习与模因
总之，不要用 7 行代码来完成。花 6 个月、一年的时间来做。你会在这段时间中间知道这是否对你有兴趣。现在忘掉那些光鲜亮丽的东西，真正深入了解这个令人惊叹的研究领域。你一定要阅读this。我发现它是该领域新手的最佳入门读物。你不需要知道数学或代码来阅读它。但阅读之后，你会意识到你需要理解的整个概念范围，以便在这个领域流利地思考，也就是说，思考机器学习。
确实有许多迷人的博客可以关注。以下是我个人的一些最爱：
Medium 也是一个学习的好地方。我几乎完全关注这个出版物。
如果你是老派的，可以去斯坦福大学上 Andrew Ng 的CS229。这比他在 Coursera 上的课程更为深入，尽管 Coursera 上的课程也是一个很好的入门介绍。
不幸的是，炒作的结果是我们“淹没在信息中，却对知识感到饥渴”。如此多人这样做，以至于我们经常忽视更大的图景。机器学习是奇妙的，它是一个严肃的研究和开发领域，推动了许多 21 世纪的应用案例。
只是不要在 24 小时内完成。
这里 是彼得·诺维格的文章，来自我们时代的杰出 AI 研究者，必读之作。
说真的，为什么不呢？
原文。经许可转载。
相关：
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT 工作