掌握2020年机器学习的3个基本要素
托马斯·爱迪生（Thomas Edison）著名地表示，成功是90％的汗水和10％的灵感。这比机器学习更真实。即使围绕人工智能的炒作从未像现在这样高涨，但实际在现场工作所需的条件以及成功使用它所需要的条件却陷入混乱。
确实，炒作使它看起来像是100％的灵感；它隐藏了构建知识和学习技能所涉及的工作。
因此，为帮助解决这一问题，这是机器学习的3个重要元素，它们可能构成您的处理方式。
学习统计和数学
这是人们忽略的一件事。而且很容易理解为什么；人工智能激发的兴奋和恐惧混合在一起，离统计教科书或数学课再远了。
但这并不是说学习机器学习的基础知识就像回到学校一样。相反，它应该像一个令人兴奋的起点，使您能够构建组织，分类和预测的极其复杂的算法。
在使用机器学习系统时，拥有扎实的统计基础很重要，但是您不应该觉得自己需要全面的知识。实际上，以一种实用和适用的方式参与统计概念和问题实际上是一种非常有效的学习方法。
但是，如果您已经有了统计的基础呢？好吧，您可能知道总是有更多的东西要学习。随着您使用更复杂的算法，您将需要对高级统计数据和数学有更深入的了解。这意味着花一些时间使用这些概念对于使您的知识进入下一步非常有价值。
学习Python
如今，Python已成为机器学习的首选语言。这样做的原因很简单：它易于访问，功能强大，并具有围绕框架和库的庞大生态系统，可用于构建机器学习系统。
因此，从Python开始是学习机器学习过程中的重要一步。这并不是说不能使用其他语言，而是可以使用。但是Python提供了相对温和的学习过程，非常适合机器学习任务。当您考虑到可以与之配套使用的工具时（例如PyTorch），很容易理解为什么Python在您的学习过程中才有意义。
学习机器学习的实际应用
理论和统计学以及编程语言都很好，但是学习机器学习的最重要方面是开发实际应用程序和项目。那就是一切变为现实的时候。
没错，这并不意味着很难找到以某种方式使用机器学习的应用程序和工具。但是，当您看到它如何完成时，情况就不同了。更重要的是，当您外出并自己创造一些东西时，感觉会有所不同。
但是您可以做什么？
1.计算机视觉
计算机视觉可能是目前机器学习中最普遍和最明显的用途之一。它是支持从增强现实到面部识别等所有内容的技术-可以说是2019年最受关注的技术趋势中的两个。
实现计算机视觉的方法有很多，但是开始使用OpenCV是一个不错的选择。这是一个开放源代码的计算机视觉库，这意味着您不仅可以免费使用它，还可以以任何希望的方式使用和重新利用代码。如果您不熟悉机器学习，可以在尝试新想法和新项目时为您省钱，但是它也使您有机会更仔细地了解用于创建项目的代码。
2.自然语言处理
自然语言处理是让机器学习发挥作用的另一个领域。尽管它可能无法像许多计算机视觉应用程序那样吸引公众的注意力，但是对语言进行分类，解释，翻译和操纵的能力却异常强大。从分析的角度和产品的角度来看，它都提供了真正的力量。
正是由于自然语言处理的流行，云供应商在其平台上提供了NLP工具和框架作为服务。但是，如果您是该领域的新手，或者只是想尝试使用一些开源工具，幸运的是，这里有很多工具。最好的例子之一就是NLTK（自然语言工具包）。
机器学习是一个多元化且瞬息万变的领域。这里提到的主题并没有真正触及表面。但这并不意味着这不是一个开始的好地方。的确，有许多事情要做和学习的方式，拥有清晰的结构和一套资源可以帮助您节省时间，专注于重要的事情。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！