兩個字—學習。一個程式設計師，最不該丟掉的能力就是學習能力。那麼該如何來進行學習呢？這裡我結合自身經驗來推薦一些機器學習的入門級教材。

轉型進入機器學習領域有很多方式，這裡我給你推薦一些學習資源吧。

1. 線上課程

斯坦福大學在計算機科學和機器學習領域是處在世界前列的，這個學校有很多公開課，網上都可以找得到資源的，其中比較有名的是吳恩達的“CS229 | Machine Learning”還有李飛飛的“CS231n | Convolutional Neural Networks for Visual Recognition”。如果看英文比較費勁的話，網易雲課堂上有配有中文字幕的課程，連結在這裡（http://study.163.com/category/AI）。

網易雲課堂上也有其他很多關於機器學習、人工智慧的課程資源。

2. 書籍推薦

李航《統計學習方法》

《機器學習實戰》

《深度學習》（俗稱花書）

3. 實戰平臺

kaggle是一個很棒的實戰平臺，因為它上邊有許多現實中的問題的資料集可供使用。你也可以檢視核心，看看別人對比賽的資料集所使用的解決方案，可以邊實戰邊學習。

網址：https://www.kaggle.com/

GitHub是一個開源社群，也可以說是一個程式碼倉庫，這上邊有許多別人開源出來的程式碼和專案，透過閱讀別人的程式碼來學習，也可以幫助你更快地學習。

網址：https://github.com/

4. 論文

毫無疑問，要跟上時代前沿，看論文必不可少。許多大佬的研究成果會第一時間以論文的形式放出來，如果不去閱讀論文，就不知道大佬在做什麼研究工作。

這裡放出來一個網址，這上邊可以免費下載論文。

網址：https://arxiv.org/

由於機器學習比較火，待遇也比較高，所以很多的程式設計師小哥都會想要轉型到機器學習的領域，包括我前段時間也有過此類的想法，想去學習一下機器學習的內容。

對於程式設計師最重要的能力，我也曾經對很多人講過，就是學習，當然，我也自認為自己的學習能力其實還算不錯。所以在電腦上安裝了TensorFlow，然後去Google TensorFlow的官網上去看他的教材和Demo。

然後，我就被打擊了。

可能對於很多程式設計師來說，以前可能是做.NET應用程式的，或者Java應用程式的，然後想轉行去做遊戲，那學習一下游戲的一些引擎，類似U2D, U3D，然後做一些練習，基本就可以入門了。

但是機器學習其實對程式設計方面的能力要求並不是特別的高，機器學習對什麼要求最高呢？數學。

如果想學習機器學習相關知識的同學，可以去看看http://www.tensorfly.cn，它有很多關於機器學習的文章和demo。

我們平時在看技術文章的時候，我們可以看到很多很多的程式碼，甚至會有demo的程式碼下載。

但是我們看機器學習的文章的時候，會發現，裡面出現得最多的兩個字叫“演算法”。

我們可以看到很多這樣的內容：

說實話，做網際網路已經10多年了，計算機的知識，程式碼的知識，可以說我都問題不大。但是數學真的已經還給老師了。

一篇關於機器學習的文章看完以後，給我的感覺就是，完全不知道寫的什麼，這些一個個的數學公式是什麼鬼？

所以，如果大家想要從程式設計師轉型到機器學習領域，我推薦大家去看的第一本書就是《高等數學》。

先從基礎開始學習吧，把數學的基礎知識先穩固一下，這樣我們才能夠看得懂那些更深入的知識，自然，我們大學時候可能並不上心的《高等數學》，就需要好好的研讀一下了，如果你還保留的上課的筆記，少年，你是好樣的。

高數我們複習好了，接下來就是機率了，一本《機率論》掏出來吧。

說穿了，機器學習裡面有很多和機率有關的演算法，那不瞭解機率的基礎知識，只從應用出發是不合理的。

當你把這兩本書的知識都複習好了以後，那麼就可以開始你的演算法之路了。《Deep Learning》可以讓你充分的瞭解深度學習的演算法知識。

當然，可能很多的同學和我一樣，已經把數學知識都還給老師了，直接的去看數學方面的書，可能很難能夠回憶起當時的學習內容。

這個時候，可能你需要找個老師，好好的教教你數學了，無論是培訓班，還是一些大學的課程，去學習一下吧，這樣能夠接受得快一點。

如果同學你本來就是數學系出生，並且你的數學知識比較牢固，那恭喜了，你比學計算機的更加適合機器學習領域。

總而言之，人工智慧領域重要的是數學，所以，程式設計師們，轉型之前要慎重考慮。