付費限定
如何從零開始學習機械學習？
閱讀時間約 2 分鐘
不要有保留的去分享自己的知識、經驗還有成功跟失敗的故事。秉持著這個信念，我想要寫下我從文科學士背景轉變到理工科系的碩士的心路歷程。先更新一下最近的狀況：在從西北大學的新聞系畢業之後，我現在到了日本的東京大學就讀工學院研究科的科技管理碩士。目前專攻機械學習還有自然語言處理相關的研究，還有兼職新創公司的AI工程師。
常常聽到有人問起如果要從零開始學習ＡＩ相關技術的話，會不會很難？中間會不會真的要付出很多的代價？ 為了提供也是像我一樣原本文科或商科背景的朋友，之後想要轉換跑道去學AI機器學習的建議，我想要整理並分享一下個人覺得非常有用的學習網站還有學習方法。
以行動支持創作者！付費即可解鎖
本篇內容共 816 字、0
則留言，僅發佈於日本求學筆記你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。
留言0
查看全部
你可能也想看
Google News 追蹤
本文探討如何在 AI 領域建立職業生涯，重點在於需要掌握的數學知識及其重要性。隨著技術的發展，對數學的需求可能不斷變化，適當的學習策略能讓你在機器學習和深度學習中做出更好的決策。此外，探索你的好奇心和興趣也能激發創造力，助你在 AI 行業中脫穎而出。
本篇文章深入探討建立 AI 職業生涯的第一步：學習基礎技能。文章介紹了機器學習、深度學習、數學和軟體開發等領域的重要性，並提供建議如何通過網路課程和持續學習保持技能的進步。作者還提到建立學習新習慣的方法，幫助讀者在繁忙的生活中找到成長的機會。
你對AI工具有興趣，但不知道該從哪開始嗎？還是經常在網路上看到一大堆資料，卻不知道如何下手？無論你是剛踏入AI領域的新手，還是已經有些基礎、想要更深入了解的朋友，「AI 初學新手村」就是你最理想的社群！
這裡不只是給新手的入門指南，更是為那些想要進階學習、掌握更多資源的人準備的。無論你是剛接觸AI
對AI充滿興趣但沒有計算機科學背景？這篇文章提供了一個為期50天的學習計畫，幫助你從零基礎成長為AI/ML專家。透過實際的學習步驟和推薦資源，無需專業學位也能掌握AI，關鍵在於持續實踐和自主學習。這是一段充滿挑戰與成長的學習之旅，伴隨著瞭解其原理與應用。祝你學習愉快！
學習生成式AI，不僅僅是掌握幾個工具，而是從全方位了解AI的發展範疇及其潛力。我經常在企業教授AI課程時，會遇到HR詢問：某些工具用不上，可以不教嗎？當然可以，但如果同仁不了解生成式AI在「數位內容」上的廣泛應用，又如何掌握大語言模型的發展邊界？
1. 製造業
2. 自動化產業
3. 航太產業
4. 汽車產業
5. 能源產業
6. 半導體產業
1. 學習機器學習和深度學習,應用於機械設計和製造流程優化
2. 結合AI與機器視覺,用於品質檢測和缺陷識別
3. 學習預測性維護技術,利用AI預測設備故障
4. 應用AI於機器人控制和自動化系統
理解基礎知識：機械工程需要良好的數學和物理基礎。確保你對於數學的基本概念（如代數、幾何、微積分）和物理的基本原理（如力學、熱力學、電磁學）有深入的理解。
提升問題解決能力：工程師的工作往往涉及到解決實際問題。嘗試找一些實際的問題來練習，例如參加科學競賽或者做一些實驗。
上週發了一篇AI書單推薦
今天來談談，我是怎麼學習的，我總共學了七年AI，自然對於一個小白想入門有更深刻的體悟，更能了解怎麼樣學習才能不至於一次面臨太多困難而放棄
我的建議是這樣：
先花兩年把Machine Learning學完，當中會遇到很多數學問題，這方面可以「在遇到問題時」再去翻
AI 相關的內容每天都非常多，有聽過很多人因此感覺到焦慮，怕錯過了最新資訊就會趕不上，這篇內容會跟大家詳細的分享我自己的學習方法和經驗，並且會在最後分享一些我的學習資訊來源。
機器學習是什麼?
簡單來說，機器學習就是訓練機器尋找Function的一段過程，而這個Function可以幫助我們解決我們遇到的問題，或是幫助我們
本文探討如何在 AI 領域建立職業生涯，重點在於需要掌握的數學知識及其重要性。隨著技術的發展，對數學的需求可能不斷變化，適當的學習策略能讓你在機器學習和深度學習中做出更好的決策。此外，探索你的好奇心和興趣也能激發創造力，助你在 AI 行業中脫穎而出。
本篇文章深入探討建立 AI 職業生涯的第一步：學習基礎技能。文章介紹了機器學習、深度學習、數學和軟體開發等領域的重要性，並提供建議如何通過網路課程和持續學習保持技能的進步。作者還提到建立學習新習慣的方法，幫助讀者在繁忙的生活中找到成長的機會。
你對AI工具有興趣，但不知道該從哪開始嗎？還是經常在網路上看到一大堆資料，卻不知道如何下手？無論你是剛踏入AI領域的新手，還是已經有些基礎、想要更深入了解的朋友，「AI 初學新手村」就是你最理想的社群！
這裡不只是給新手的入門指南，更是為那些想要進階學習、掌握更多資源的人準備的。無論你是剛接觸AI
對AI充滿興趣但沒有計算機科學背景？這篇文章提供了一個為期50天的學習計畫，幫助你從零基礎成長為AI/ML專家。透過實際的學習步驟和推薦資源，無需專業學位也能掌握AI，關鍵在於持續實踐和自主學習。這是一段充滿挑戰與成長的學習之旅，伴隨著瞭解其原理與應用。祝你學習愉快！
學習生成式AI，不僅僅是掌握幾個工具，而是從全方位了解AI的發展範疇及其潛力。我經常在企業教授AI課程時，會遇到HR詢問：某些工具用不上，可以不教嗎？當然可以，但如果同仁不了解生成式AI在「數位內容」上的廣泛應用，又如何掌握大語言模型的發展邊界？
1. 製造業
2. 自動化產業
3. 航太產業
4. 汽車產業
5. 能源產業
6. 半導體產業
1. 學習機器學習和深度學習,應用於機械設計和製造流程優化
2. 結合AI與機器視覺,用於品質檢測和缺陷識別
3. 學習預測性維護技術,利用AI預測設備故障
4. 應用AI於機器人控制和自動化系統
理解基礎知識：機械工程需要良好的數學和物理基礎。確保你對於數學的基本概念（如代數、幾何、微積分）和物理的基本原理（如力學、熱力學、電磁學）有深入的理解。
提升問題解決能力：工程師的工作往往涉及到解決實際問題。嘗試找一些實際的問題來練習，例如參加科學競賽或者做一些實驗。
上週發了一篇AI書單推薦
今天來談談，我是怎麼學習的，我總共學了七年AI，自然對於一個小白想入門有更深刻的體悟，更能了解怎麼樣學習才能不至於一次面臨太多困難而放棄
我的建議是這樣：
先花兩年把Machine Learning學完，當中會遇到很多數學問題，這方面可以「在遇到問題時」再去翻
AI 相關的內容每天都非常多，有聽過很多人因此感覺到焦慮，怕錯過了最新資訊就會趕不上，這篇內容會跟大家詳細的分享我自己的學習方法和經驗，並且會在最後分享一些我的學習資訊來源。
機器學習是什麼?
簡單來說，機器學習就是訓練機器尋找Function的一段過程，而這個Function可以幫助我們解決我們遇到的問題，或是幫助我們