目前，O2O的融資戰(zhàn)涉及各個(gè)領(lǐng)域，熱鬧非凡。但是，在兒童教育中，還鮮少有與020概念掛鉤的機(jī)構(gòu)。近期，小編了解到瑪瑪洛可少兒英語(yǔ)在使用線上結(jié)合線下的學(xué)習(xí)方式，通過(guò)課件預(yù)習(xí)，在家復(fù)習(xí)，在校上課，課后趣味練習(xí)等方式，探索并發(fā)展著少兒英語(yǔ)教育的新模式，并且取得了不錯(cuò)的教學(xué)成果。

瑪瑪洛可少兒英語(yǔ)——全國(guó)首家運(yùn)用020教學(xué)模式的英語(yǔ)培訓(xùn)機(jī)構(gòu)。

在線上教學(xué)中，孩子可以通過(guò)KIDSTALK平臺(tái)進(jìn)行英語(yǔ)知識(shí)的自主預(yù)習(xí)，并且通過(guò)趣味的多彩繪本進(jìn)行課后知識(shí)練習(xí)，以此形成孩子自主學(xué)習(xí)的習(xí)慣，讓孩子愛上英語(yǔ)，愛上學(xué)習(xí)。在線下教學(xué)中，老師可通過(guò)游戲化的方式進(jìn)行英語(yǔ)能力訓(xùn)練，會(huì)通過(guò)設(shè)計(jì)演講、寫作等項(xiàng)目，讓孩子學(xué)到的英語(yǔ)知識(shí)得到正確輸出，由于學(xué)習(xí)系統(tǒng)大數(shù)據(jù)的支持，老師能夠及時(shí)獲知孩子們?cè)诰€上學(xué)習(xí)的情況，從學(xué)生的學(xué)習(xí)時(shí)常、學(xué)習(xí)進(jìn)度等，同時(shí)在課程教學(xué)中對(duì)學(xué)生進(jìn)行針對(duì)性的指導(dǎo)與激勵(lì)。

區(qū)域代理+單點(diǎn)加盟，8年內(nèi)擴(kuò)張至百家分校區(qū)

瑪瑪洛可—一家有過(guò)8年O2O實(shí)踐經(jīng)驗(yàn)的少兒英語(yǔ)培訓(xùn)機(jī)構(gòu);一家敢承諾保證孩子學(xué)習(xí)效果的少兒英語(yǔ)培訓(xùn)機(jī)構(gòu);一家具有自己研發(fā)團(tuán)隊(duì)并超過(guò)200人的少兒英語(yǔ)培訓(xùn)機(jī)構(gòu)。

目前，瑪瑪洛可已經(jīng)進(jìn)入了北京、天津、河北、河南、遼寧、山西、山東、陜西、江蘇、內(nèi)蒙古廣東、四川、云南、浙江、新疆等多個(gè)城市，現(xiàn)在全國(guó)有二百余家分校區(qū)。

其中，近年瑪瑪洛可的擴(kuò)張速度尤其快，瑪瑪洛可負(fù)責(zé)人表示，在一二線城市，瑪瑪洛可的擴(kuò)張還是比較順利的，大家對(duì)這樣的模式也容易認(rèn)可。接下來(lái)，瑪瑪洛可將進(jìn)入三四線城市甚至縣級(jí)市，實(shí)現(xiàn)加盟校區(qū)的全面擴(kuò)張，同時(shí)，為了保障瑪瑪洛可分校區(qū)的教學(xué)質(zhì)量，為孩子提供高質(zhì)高效的英語(yǔ)服務(wù)，總部承諾會(huì)對(duì)加盟院校進(jìn)行校區(qū)選址，人員招聘，教學(xué)指導(dǎo)，日常運(yùn)營(yíng)等全程支持，確保投資者和學(xué)員的雙重盈利。

來(lái)源|?微調(diào)的知乎專欄

??0.背景

寫這篇文章的初衷是大部分私信我的朋友都想了解如何入門/轉(zhuǎn)行機(jī)器學(xué)習(xí)，搭上人工智能這列二十一世紀(jì)的快車。再加上這個(gè)問(wèn)題每隔一陣子就會(huì)在知乎時(shí)間線上出現(xiàn)一次，因此想寫一篇文章來(lái)“一勞永逸”的分享我的觀點(diǎn)。

文章的宗旨是：1.指出一些自學(xué)的誤區(qū)2.不過(guò)多的推薦資料3.提供客觀可行的學(xué)習(xí)表4.給出進(jìn)階學(xué)習(xí)的建議。這篇文章的目標(biāo)讀者是計(jì)劃零基礎(chǔ)自學(xué)的朋友，對(duì)數(shù)學(xué)/統(tǒng)計(jì)基礎(chǔ)要求不高，比如：

在讀的學(xué)生朋友非計(jì)算機(jī)行業(yè)的讀者已經(jīng)工作但想將機(jī)器學(xué)習(xí)/數(shù)據(jù)分析和自己的本職工作相結(jié)合的朋友

因此，這篇文章對(duì)于已經(jīng)身處機(jī)器學(xué)習(xí)領(lǐng)域可能幫助不大。同時(shí)再次聲明這只是我的個(gè)人看法，請(qǐng)大家有選擇的性閱讀，探索適合自己的學(xué)習(xí)方法。

??1.自學(xué)機(jī)器學(xué)習(xí)的誤區(qū)和陷阱

1.1.不要試圖掌握所有的相關(guān)數(shù)學(xué)知識(shí)再開始學(xué)習(xí)

在很多相關(guān)的回答中(https://www.zhihu.com/question/60064269/answer/172305599)，我都一再?gòu)?qiáng)調(diào)不要試圖補(bǔ)足數(shù)學(xué)知識(shí)再開始學(xué)習(xí)機(jī)器學(xué)習(xí)。一般來(lái)說(shuō)，大部分機(jī)器學(xué)習(xí)課程/書籍都要求：

線性代數(shù)：矩陣/張量乘法、求逆，奇異值分解/特征值分解，行列式，范數(shù)等統(tǒng)計(jì)與概率：概率分布，獨(dú)立性與貝葉斯，最大似然(MLE)和最大后驗(yàn)估計(jì)(MAP)等優(yōu)化：線性優(yōu)化，非線性優(yōu)化(凸優(yōu)化/非凸優(yōu)化)以及其衍生的求解方法如梯度下降、牛頓法、基因算法和模擬退火等微積分：偏微分，鏈?zhǔn)椒▌t，矩陣求導(dǎo)等信息論、數(shù)值理論等

一般人如果想要把這些知識(shí)都補(bǔ)全再開始機(jī)器學(xué)習(xí)往往需要很長(zhǎng)時(shí)間，容易半途而廢。而且這些知識(shí)是工具不是目的，我們的目標(biāo)又不是成為運(yùn)籌學(xué)大師。建議在機(jī)器學(xué)習(xí)的過(guò)程中哪里不會(huì)補(bǔ)哪里，這樣更有目的性且耗時(shí)更低。

1.2.不要把深度學(xué)習(xí)作為入門的第一門課

雖然很多人都是沖著深度學(xué)習(xí)來(lái)的，但把深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)第一課不是個(gè)好主意。原因如下：

深度學(xué)習(xí)的黑箱性更加明顯，很容易學(xué)得囫圇吞棗深度學(xué)習(xí)的理論/模型架構(gòu)/技巧還在一直變化當(dāng)中，并未塵埃落定深度學(xué)習(xí)實(shí)驗(yàn)對(duì)硬件要求高，不太適合自學(xué)或者使用個(gè)人電腦進(jìn)行學(xué)習(xí)

更多討論可以看我的回答：深度學(xué)習(xí)的教學(xué)和課程，與傳統(tǒng)CS的教學(xué)和課程有什么區(qū)別？(https://www.zhihu.com/question/63883727/answer/225499427)

1.3.不要收集過(guò)多的資料&分辨資料的時(shí)效性

機(jī)器學(xué)習(xí)的資料很多，動(dòng)輒就有幾個(gè)G的材料可以下載或者觀看。而很多朋友都有“收集癖”，一下子購(gòu)買十幾本書的人我也常常能夠看到。

機(jī)器學(xué)習(xí)的發(fā)展和變化速度很快。在入門期間，建議“小而精”的選擇資料，選擇近期出版的且口碑良好的書籍。我不止一次的提到這個(gè)例子：

在很多深度學(xué)習(xí)的教科書中，尤其是10年以前的教科書中都還依然把Sigmoid當(dāng)作默認(rèn)的激活函數(shù)。但事實(shí)上，整流函數(shù)(ReLu)以及其拓展變形函數(shù)，如LeakyReLu早就成為了主流的深度學(xué)習(xí)激活函數(shù)。但因?yàn)橹R(shí)的滯后性，很多課程/書籍甚至都沒有介紹ReLu的章節(jié)。

一般來(lái)說(shuō)，我比較推薦近5年內(nèi)出版的書籍，或者10年以后出版的書籍。有些書籍雖然是經(jīng)典，比如TomMitchell的《機(jī)器學(xué)習(xí)》，但因?yàn)槠涑霭嬉呀?jīng)超過(guò)20年，還是不建議大家購(gòu)買。

在這篇文章中我所推薦的書籍和課程都相對(duì)比較經(jīng)典，同時(shí)屬于緊跟時(shí)代潮流的。入門階段我推薦了1門課程和2本書，進(jìn)階階段推薦了1本書，深度學(xué)習(xí)推薦了1門課程一本書，高級(jí)階段推薦了2本額外書籍。

??2.機(jī)器學(xué)習(xí)的一些前期準(zhǔn)備

2.1.硬件選擇

另一個(gè)大家常問(wèn)的問(wèn)題是：是否可以用自己的筆記本電腦進(jìn)行機(jī)器學(xué)習(xí)。答案是肯定的，大部分市面上的數(shù)據(jù)集都可以放到你的內(nèi)存中運(yùn)行。在入門階段，我們很少會(huì)用到非常大的數(shù)據(jù)集，一般最大也就是MNIST，完全可以使用個(gè)人筆記本電腦進(jìn)行運(yùn)行。

請(qǐng)不要打著學(xué)習(xí)的名義重新購(gòu)買機(jī)器...

2.2.軟件選擇

如果要做深度學(xué)習(xí)，Linux還是首選，因?yàn)槠鋵?duì)很多學(xué)習(xí)模型支持比較好（主要是深度學(xué)習(xí)的Library）。但即使你使用的是Windows系統(tǒng)，也可以用虛擬機(jī)裝Ubuntu來(lái)進(jìn)行學(xué)習(xí)。小型的深度學(xué)習(xí)模型足夠了，大型的深度學(xué)習(xí)我們很少在本地/個(gè)人計(jì)算機(jī)上運(yùn)行。

至于編程語(yǔ)言，首推Python，因?yàn)槠淞己玫耐卣怪С中?，主流的工具包都有Python版本。在特定情況下，選擇R作為編程語(yǔ)言也是可以的。其他可能的語(yǔ)言還包括C++、Java和Matlab，但我個(gè)人不大推薦。

此處也想額外提一句，因?yàn)榫幊虒儆跈C(jī)器學(xué)習(xí)基本要求之一，所以推薦大家可以自學(xué)一些基礎(chǔ)編程的知識(shí)(如Python)，在文中不再贅述。

2.3.語(yǔ)言能力

學(xué)好英語(yǔ)，至少打下閱讀和聽力的基礎(chǔ)。雖然人工智能領(lǐng)域中國(guó)現(xiàn)在已經(jīng)做得很不錯(cuò)，但主流的書籍、期刊和會(huì)議，資料都是英文的。我們可以接受翻譯版，但最好的方法還是自己有能力直接閱讀。即使你將來(lái)不做機(jī)器學(xué)習(xí)，英文閱讀能力還是會(huì)有很大的幫助。

??3.機(jī)器學(xué)習(xí)課程表

3.1.第一階段：基礎(chǔ)入門(3-6個(gè)月)

入門的第一步是學(xué)習(xí)一些經(jīng)典課程并配套經(jīng)典書籍，一般來(lái)說(shuō)這個(gè)過(guò)程在半年之內(nèi)比較合適。在這個(gè)部分我介紹的課程和書籍都屬于難度非常低的，對(duì)數(shù)學(xué)和編程都沒什么太大的要求。

3.1.1.吳恩達(dá)Cousera機(jī)器學(xué)習(xí)課程

AndrewNg的機(jī)器學(xué)習(xí)課程（MachineLearning|Coursera）是很多人的啟蒙課程，難度適中且完全免費(fèi)。Coursera上總共有49285個(gè)人給出了評(píng)分，平均得分4.9分，滿分5分。據(jù)我個(gè)人觀察，大部分Coursera上的課程評(píng)分處于4-4.5分之間，能做到4.9分的課程寥寥無(wú)幾。另一個(gè)值得關(guān)注的是，這門課有接近五萬(wàn)人給出評(píng)分，統(tǒng)計(jì)學(xué)知識(shí)告訴我們這個(gè)樣本較大所以評(píng)分應(yīng)該趨近于其真實(shí)值，比較可信。根據(jù)Freecodecamp的統(tǒng)計(jì)，這門課是所有在線MachineLearning課程中最受到大家好評(píng)的課程。另一個(gè)比較直接的觀察是如果大家在知乎上搜索“機(jī)器學(xué)習(xí)如何入門？”，大部分答案都提到了Andrew的這門入門課程，所以這是一門絕對(duì)的口碑課程。

3.1.2.Python機(jī)器學(xué)習(xí)&IntroductiontoStatisticalLearningwithR

在學(xué)習(xí)吳恩達(dá)的在線課程時(shí)，推薦同時(shí)閱讀相關(guān)的機(jī)器學(xué)習(xí)書籍補(bǔ)充理論知識(shí)。我再次推薦這兩本非常好的入門書籍，在我的專欄也有對(duì)于這兩本書的介紹。

Python機(jī)器學(xué)習(xí)：這本書出版于2015年并多次再版，在亞馬遜中國(guó)上我們可以找到影印版和翻譯版。這本書去掉了大量的數(shù)學(xué)推導(dǎo)的部分，僅保留了機(jī)器學(xué)習(xí)的核心應(yīng)用。閱讀本書可以快速對(duì)如何使用Python機(jī)器學(xué)習(xí)框架Sklearn有一個(gè)基本的了解，可以很快上手開始工作。本書涉及的內(nèi)容很廣泛，雖然只有400多頁(yè)，但內(nèi)容涉及了數(shù)據(jù)預(yù)處理(DataPreprocessing),維度壓縮和核函數(shù)(DimensionReduction&Kernel)，評(píng)估方法如交叉驗(yàn)證，集成學(xué)習(xí)，情感分析，聚類，甚至還包括了神經(jīng)網(wǎng)絡(luò)和Theano。更多介紹：帶你讀機(jī)器學(xué)習(xí)經(jīng)典(三):Python機(jī)器學(xué)習(xí)(Chapter1&2)(https://zhuanlan.zhihu.com/p/28647608)

IntroductiontoStatisticalLearningwithR（ISL）：相信正在機(jī)器學(xué)習(xí)苦海中遨游的朋友們肯定都聽過(guò)大名鼎鼎的TheElementofStatisticalLearning,這本頻率學(xué)派的統(tǒng)計(jì)學(xué)習(xí)“圣經(jīng)”被大家叫做ESL。而ISL正是基于滿足更廣大閱讀人群的目的而推出的；ISL是ESL的入門版，不僅大量的去除了繁復(fù)的數(shù)學(xué)推導(dǎo)，還加入了R編程的部分，方便大家可以盡快上手。這本書是我推薦書單第一名：ISL的電子版是免費(fèi)的：點(diǎn)擊下載(http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf)。更多介紹：帶你讀機(jī)器學(xué)習(xí)經(jīng)典(一):AnIntroductiontoStatisticalLearning(Chapter1&2)(https://zhuanlan.zhihu.com/p/27556007)

3.1.3.周志華《機(jī)器學(xué)習(xí)》

周志華老師的《機(jī)器學(xué)習(xí)》也被大家親切的叫做“西瓜書”。雖然只有幾百頁(yè)，但內(nèi)容涵蓋比較廣泛。然而和其他人的看法不同，我建議把西瓜書作為參考書而不是主力閱讀書。西瓜書因?yàn)槠南拗疲w了很多的內(nèi)容但無(wú)法詳細(xì)的展看來(lái)講，對(duì)于初學(xué)者自學(xué)來(lái)說(shuō)實(shí)際閱讀難度很大。這本書更適合作為學(xué)校的教材或者中階讀者自學(xué)使用，入門時(shí)學(xué)習(xí)這本書籍難度稍微偏高了一些。

我個(gè)人建議的用法是在學(xué)習(xí)網(wǎng)課和閱讀ISL遇到疑惑時(shí)可以參考西瓜書的相關(guān)章節(jié)，但入門階段沒有必要一章一章的閱讀，建議在這個(gè)階段只閱讀前十章即可。

3.2.第二階段：進(jìn)階學(xué)習(xí)(3-6個(gè)月)

在這個(gè)階段，你已經(jīng)對(duì)機(jī)器學(xué)習(xí)有了基本的了解。如果你認(rèn)真的閱讀了ISL并上完了吳恩達(dá)的課程，我相信你已經(jīng)在理論上明白了什么是線性回歸，什么是數(shù)據(jù)壓縮，對(duì)特征工程以及簡(jiǎn)單的回歸/預(yù)測(cè)問(wèn)題有了理論上的基礎(chǔ)。這個(gè)時(shí)候最重要的就是進(jìn)行實(shí)踐！

3.2.1.Kaggle挑戰(zhàn)賽/練習(xí)

Kaggle（YourHomeforDataScience）在數(shù)據(jù)分析領(lǐng)域早已大名鼎鼎，甚至可以說(shuō)是數(shù)據(jù)分析第一社區(qū)，前一陣子剛剛被谷歌收購(gòu)。Kaggle上有很多很好的數(shù)據(jù)集和挑戰(zhàn)賽，你可以嘗試這些挑戰(zhàn)取得名次，甚至拿到獎(jiǎng)金，對(duì)于將來(lái)找工作也非常有幫助。而且Kaggle的另一大優(yōu)勢(shì)是網(wǎng)友會(huì)分享他們的經(jīng)驗(yàn)和看法，你也可以提出問(wèn)題讓大家來(lái)幫你提出一些修正方法。

國(guó)內(nèi)也有類似的平臺(tái)，比如天池大數(shù)據(jù)競(jìng)賽，其他類似的平臺(tái)還包括DataCastle。

使用Kaggle的目的主要是將技能落在實(shí)處，防止練就一身屠龍之技。機(jī)器學(xué)習(xí)最大的幻覺就是覺得自己什么都懂了，但等到真的使用時(shí)發(fā)現(xiàn)并不奏效，而Kaggle是一個(gè)低成本的應(yīng)用機(jī)器學(xué)習(xí)的機(jī)會(huì)。

3.2.2.Sklearn文檔學(xué)習(xí)

Sklearn(scikit-learn:machinelearninginPython-http://scikit-learn.org/stable/)是Python上最流行的機(jī)器學(xué)習(xí)/數(shù)據(jù)科學(xué)工具包，上文介紹的PythonMachineLearning書中就大量使用Sklearn的API。和使用Kaggle的目的一致，學(xué)習(xí)的Sklearn的文檔也是一種實(shí)踐過(guò)程。比較推薦的方法是把主流機(jī)器學(xué)習(xí)模型Sklearn中的例子都看一遍。

Sklearn的文檔是少數(shù)寫的跟教程一樣的技術(shù)文檔，很具有閱讀價(jià)值。舉個(gè)簡(jiǎn)單的例子，假設(shè)你想學(xué)習(xí)Python中使用邏輯回歸，就可以參考:LogisticRegression3-classClassifier(http://scikit-learn.org/stable/auto_examples/linear_model/plot_iris_logistic.html#sphx-glr-auto-examples-linear-model-plot-iris-logistic-py)

Sklearn的文檔不僅提供了練習(xí)數(shù)據(jù)、sklearn的相關(guān)代碼實(shí)例，還提供了可視化圖。

3.2.2.周志華機(jī)器學(xué)習(xí)

再次提到周老師是因?yàn)槲鞴蠒侵档贸３７吹囊槐緯?，在kaggle挑戰(zhàn)和閱讀Sklearn文檔的過(guò)程中你還會(huì)時(shí)不時(shí)的遇到一些新的名詞，比如流形學(xué)習(xí)(manifoldlearning)等。這個(gè)時(shí)候你會(huì)發(fā)現(xiàn)西瓜書真的是一本中級(jí)階段大而全的書籍:)

3.3.第三階段(可選*)：深度學(xué)習(xí)(3-6個(gè)月)

因?yàn)樯疃葘W(xué)習(xí)是當(dāng)下的熱點(diǎn)，很多公司都在尋找深度學(xué)習(xí)人才。雖然深度學(xué)習(xí)只是機(jī)器學(xué)習(xí)的一個(gè)子集，但有興趣朝這個(gè)方向發(fā)展的朋友可以在完成以上學(xué)習(xí)后單獨(dú)學(xué)習(xí)一下深度學(xué)習(xí)。

3.3.1.吳恩達(dá)深度學(xué)習(xí)課程

吳恩達(dá)在八月份的時(shí)候通過(guò)Deeplearning.ai和Coursera平臺(tái)推出了最新系列的五門深度學(xué)習(xí)課程(deeplearning.ai)。有條件的朋友可以通過(guò)Coursera學(xué)習(xí)獲得證書，最近網(wǎng)易云課堂也上線了這門課的翻譯版。如果想要上其中的課程，需要先注冊(cè)報(bào)名「深度學(xué)習(xí)工程師微專業(yè)」深度學(xué)習(xí)工程師微專業(yè)-一線人工智能大師吳恩達(dá)親研-網(wǎng)易云課堂-網(wǎng)易云課堂(http://mooc.study.163.com/smartSpec/detail/1001319001.htm)，之后就可以分別點(diǎn)開每門課單獨(dú)進(jìn)行學(xué)習(xí)。和Coursera上的DL同步，現(xiàn)在云課堂也上線了五門中的前三門課程，而卷積網(wǎng)絡(luò)(CNN)和循環(huán)網(wǎng)絡(luò)(RNN)還未開放。

更多關(guān)于網(wǎng)易云課堂上深度學(xué)習(xí)課程的介紹可以看：如何評(píng)價(jià)網(wǎng)易云課堂上線的吳恩達(dá)DeepLearning課程？(https://www.zhihu.com/question/64615398/answer/222596302)

3.3.2.DeepLearning-?byIanGoodFellow

深度學(xué)習(xí)這本書是由當(dāng)下深度學(xué)習(xí)領(lǐng)域的幾位領(lǐng)軍人物所著，包含三大巨頭之一的Bengio，還有教父Hinton來(lái)作序推薦。這本書的中文本翻譯由張志華教授團(tuán)隊(duì)負(fù)責(zé)，在github上免費(fèi)放出了翻譯版本，印刷版也可以從亞馬遜中國(guó)上買到。

英文版：DeepLearning

http://www.deeplearningbook.org/

中文版：exacity/deeplearningbook-chinese

https://github.com/exacity/deeplearningbook-chinese

這本書的閱讀建議：

為了補(bǔ)充基礎(chǔ)可以閱讀第1-5章其中也包含了一些數(shù)學(xué)知識(shí)只關(guān)注主流神經(jīng)網(wǎng)絡(luò)知識(shí)可以閱讀6-10章，介紹了DNN/CNN/RNN需要進(jìn)一步了解一些調(diào)參和應(yīng)用技巧，推薦閱讀11和12章

第13-20章為進(jìn)階章節(jié)，在入門階段沒有必要閱讀。其實(shí)比較實(shí)際的做法是吳恩達(dá)的課程講到什么概念，你到這本書里面可以閱讀一些深入的理論進(jìn)行概念加深，按章節(jié)閱讀還是比較耗時(shí)耗力的。

3.4.第四階段：深入研究

恭喜你！如果你已經(jīng)完成了上面的計(jì)劃表，代表你已經(jīng)有了相當(dāng)?shù)臋C(jī)器學(xué)習(xí)能力。這個(gè)階段，最重要的就是不要貪多嚼不爛。如果你瀏覽知乎，會(huì)發(fā)現(xiàn)大家都說(shuō)你必須讀ElementsofStatisticalLearning，MLAPP之類的大部頭。我承認(rèn)閱讀這樣的書會(huì)有幫助，但在你有了一定的基礎(chǔ)知識(shí)后，相信你已經(jīng)知道自己需要接著做什么了也有了志同道合的朋友，我希望把選擇權(quán)交還給你，而不是繼續(xù)推薦成堆的課程和書籍。當(dāng)然，如果你希望繼續(xù)深入的話，中文可以繼續(xù)閱讀周志華老師的《機(jī)器學(xué)習(xí)》和李航老師的《統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ)》，英文可以入手《ElementsofStatisticalLearning》。在這個(gè)階段，重點(diǎn)要形成成體系的知識(shí)脈絡(luò)，切記貪多嚼不爛，切記！

從閱讀論文角度來(lái)說(shuō)，訂閱Arxiv，關(guān)注機(jī)器學(xué)習(xí)的頂級(jí)會(huì)議，如ICML/NIPS等，相關(guān)的方法在知乎上可以很容易搜索到?...