請點擊此處輸入圖片描述
找資料也是門學問， 別抓著機器學習就一擁而上。
作者 | Jason Brownlee
編譯 | AI100（ID:rgznai100）
來看個小故事：機器學習火了。
做開發的工程師小張，
工程師小張， 希望能在自己的軟體專案中加入機器學習。 而經理老王， 則希望在量化交易中， 更多借助機器學習的強大， 來處理交易， 從而佔據市場先機。
老王有著多年的程式設計經驗， 小張則是多年的開發經驗。 兩人分別讓周圍的朋友推薦一些書籍， 買來自學。
不過， 這兩人很快就讀不下去了， 連第一章都讀不下去。
怎麼回事？
難道是因為推薦的書籍不夠好嗎？
並不是。 朋友們推薦的課程和教材都很棒， 可是， 不適合。
這是目前一個非常普遍的問題——不匹配。
這些教材， 對於有4年數學基礎， 機器學習在讀的研究生來說， 特別適用。
但是， 但是， 對於有十年開發經驗和基金經驗的小張和老王來說，
你是不是也遇到同樣的問題？只想用好機器學習， 並不想追求其中的道道。
這篇文章就專門來回答：不同行業， 不同需求的人， 到底應該在什麼地方去獲取有用資料， 避免時間浪費。
以下來自澳大利亞機器學習大師 Jason Brownlee 的博客， 希望對你有所啟發。
本文， 列舉了10類人群， 並將其歸到4個小組。
無論你是機器學習專業的學生， 還是想借機器學習獲得商業問題優化方案的資料分析師， 還是軟體的開發工程師， 還是對機器學習感興趣的商務人士， 你都能在這篇文章中，
在我們開始今天的乾貨前， 先搞清楚你到底屬於哪一類， 以對症下藥。
以下是人群的分組列表：
商業人群
對機器學習感興趣的商務人士
在專案中應用機器學習的經理人
學術人群
機器學習專業的本科生或研究生
機器學習領域的研究人員
利用機器學習建模的其他領域的研究人員
工程人群
實現演算法的程式設計人員
交付一次性預測資訊的開發人員
改進軟體和服務的工程師
資料人群
希望獲得商業問題優化方案的資料科學家
希望能更好地解釋資料的資料分析師
➤商業人群
通常來講， 這類人群希望在商業上有效地使用機器學習， 但並不需要掌握其演算法或工具的實現細節。
在商業領域， 機器學習技術已經廣泛地用於預測分析。
對機器學習感興趣的商務人士
這類人群包括總經理及諮詢顧問， 對他們而言， 機器學習會對以後的項目和策劃起到戰略指導的作用
以下資源對此類人群做戰略思考會有幫助：
1.Gartner’s Magic Quadrant for Advanced Analytics Platforms, 2015
http://www.gartner.com/technology/reprints.do?id=1-2AHPOU0&ct=150225&st=sb
2.Gartner’s Machine Learning Drives Digital Business, 2014
https://www.gartner.com/doc/2820120/machine-learning-drives-digital-business
3.McKinsey’s An executive’s guide to machine learning, 2015
http://www.mckinsey.com/industries/high-tech/our-insights/an-executives-guide-to-machine-learning
在下一節針對“經理人”的推薦書籍， 也適用這個人群。
請點擊此處輸入圖片描述
專案經理人
機器學習對於這類人群負責的專案非常適用。 對他們來說， 有用的資料是關於各種問題和演算法的全面概括， 而不需要關注太多細節。
可以參考以下書籍：
1.Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die
http://www.amazon.com/dp/1118356853?tag=inspiredalgor-20
2.Data Science for Business: What you need to know about data mining and data-analytic thinking
http://www.amazon.com/dp/1449361323?tag=inspiredalgor-20
3.Data Smart: Using Data Science to Transform Information into Insight
http://www.amazon.com/dp/111866146X?tag=inspiredalgor-20
請點擊此處輸入圖片描述
➤學術人群
通常來講，這類人群主要指學生，包括本科生、研究、博士後、研究助理等。
學術人群可能會花大量時間研究他們論文中的某個機器學習演算法。 在此，我推薦他們看一篇文章“How to Research a Machine Learning Algorithm”，瞭解關於演算法方面的研究。
How to Research a Machine Learning Algorithm
http://machinelearningmastery.com/how-to-research-a-machine-learning-algorithm/
機器學習專業的本科生或研究生
機器學習專業的學生通常會上一些關於技術和演算法的課程，因此他們對相關的具體問題會更感興趣。
學生一般比較專注，也有時間深入去鑽研。這類人群最好閱讀教科書。以下是機器學習領域裡最好的教科書：
Learning from Data
http://www.amazon.com/dp/B00C7EXC2A?tag=inspiredalgor-20
Machine Learning: A Probabilistic Perspective
http://www.amazon.com/dp/0262018020?tag=inspiredalgor-20
Pattern Recognition and Machine Learning
http://www.amazon.com/dp/0387310738?tag=inspiredalgor-20
The Elements of Statistical Learning: Data Mining. Inference. and Prediction
http://www.amazon.com/dp/B00GSCXVN2?tag=inspiredalgor-20
機器學習領域的研究人員
機器學習領域的研究人員會深入瞭解機器學習的某個方面，並努力去擴展該領域。
研究人員對本專業的研究論文、期刊、組織、網路等很感興趣。
教科書對他們來說，可就不適用了。
他們需要參考一些知名度高的期刊和論文集：
Journal of Machine Learning Research (JMLR)
http://www.jmlr.org/
Neural Information Processing Systems (NIPS)
https://nips.cc/
Knowledge Discovery and Data Mining (SIGKDD)
http://www.kdd.org/
International Conference on Machine Learning (ICML)
https://en.wikipedia.org/wiki/International_Conference_on_Machine_Learning
檢驗Quora上關於“機器學習最好的會議和期刊是什麼？”。
https://www.quora.com/What-are-the-best-conferences-and-journals-about-machine-learning
這兒有一個很方便的人工智慧排名前50位的期刊列表。
http://www.scimagojr.com/journalrank.php?category=1702
利用機器學習建模的其他領域的研究人員
其他領域的研究人員可能也會對機器學習感興趣，但是是把它當作工具。他們更關注用自己的資料建造描述性或預測性的模型。
例如，客戶研究、地質學、或者生物學領域的科學家有他們自己的資料集。他們會用建模的方法來預測未來可能會發生的問題。
相比於模型的準確度，他們更關注模型的可解釋性。因此，從統計學借鑒過來的簡單易懂的方法更易被接受，例如線性回歸和邏輯回歸。
當然，好的系統化過程仍然需要。
我會推薦“工程人群”裡提到的資源，尤其是“Developer Interested in Delivering One-Off Predictions”。另外可以看一下“資料人群”裡“資料科學家”那部分。
➤工程人群
工程人群基本上是開發人員，他們希望將機器學習用於自己專案的解決方案中。
對於開發人員，推薦一篇很好的文章“Machine Learning for Programmers”。
http://machinelearningmastery.com/machine-learning-for-programmers/
工程人群可以從答疑網站的機器學習社區中獲得很多幫助和支持。 更多的資訊，可以參考文章“Machine Learning Communities”。
http://machinelearningmastery.com/machine-learning-communities/
實現演算法的程式設計人員
對於程式設計人員來說，一個很好的掌握機器學習技能的方法是：從零基礎開始，利用現有的程式設計能力實現機器學習的演算法。
這個方法我講過很多次，也在我的博文“Understand Machine Learning Algorithms By Implementing Them From Scratch”中提供了很棒的小竅門和資源。
http://machinelearningmastery.com/understand-machine-learning-algorithms-by-implementing-them-from-scratch/
在這篇博文中，我還針對這個方法推薦了三本書
Data Science from Scratch: First Principles with Python
http://www.amazon.com/dp/149190142X?tag=inspiredalgor-20
Machine Learning in Action
http://www.amazon.com/dp/1617290181?tag=inspiredalgor-20
Machine Learning: An Algorithmic Perspective
http://www.amazon.com/dp/1466583282?tag=inspiredalgor-20
交付一次性預測資訊的開發人員
一個開發人員不一定得是很棒的程式師，而程式設計也不需要交付一個準確可靠的預測模型。
一個一次性的預測模型可以在商業環境中提供一套預測資訊。在自學、處理實際資料集甚至在機器學習競賽中，這種模型都算是非常理想的。
如果你經歷過系統地解決問題的全部過程，並提供出一個獨立的模型，你將獲益良多。
Data Mining: Practical Machine Learning Tools and Techniques
http://www.amazon.com/dp/0123748569?tag=inspiredalgor-20
Applied Predictive Modeling
http://www.amazon.com/dp/1461468485?tag=inspiredalgor-20
你可以從我的博文“Process for working through Machine Learning Problems”中瞭解到端對端的解決機器學習問題的系統流程。
http://machinelearningmastery.com/process-for-working-through-machine-learning-problems/
改進軟體和服務的工程師
一個工程師要想在他們的軟體專案中加入機器學習，需要掌握的知識包括演算法、端對端解決問題、以及在軟體實際運轉的情況下如何讓演算法可靠執行。
這類人群是從前面的兩類人群成長而來的，稱他們為機器學習工程師可能更恰當。他們致力於使用高速的演算法來提供準確可靠的結果，並在二者中尋求平衡。
這類人群也大量使用了機器學習書庫和基礎架構。
在啟動中的機器學習書庫中，包括如下有用的資源：
Building Machine Learning Systems with Python
http://www.amazon.com/dp/B00E7NC9D2?tag=inspiredalgor-20
Learning scikit-learn: Machine Learning in Python
http://www.amazon.com/dp/1783281936?tag=inspiredalgor-20
Practical Data Science with R
http://www.amazon.com/dp/1617291560?tag=inspiredalgor-20
Machine Learning with R
http://www.amazon.com/dp/1784393908?tag=inspiredalgor-20
另外，還可以參閱文章“Building a Production Machine Learning Infrastructure”。
http://machinelearningmastery.com/building-a-production-machine-learning-infrastructure/
➤資料人群
通常來說，這類人群主要跟資料打交道，但可能也需要用到機器學習的知識。
希望獲得商業問題優化方案的資料科學家
一名優秀的資料科學家，絕不能停止學習。
你必須瞭解最新的資料流程、技巧和演算法。這包括你需要用來描述資料和創建預測模型的機器學習技能。
從“工程部落”項下列出的更為實用的資源中，以及從“學術部落”項下列出的更為理論化的資源中，資料科學家可以獲取自己需要的資源。
但是一些以資料科學為主的機器學習資源既有實用性又有理論性，這些資源包括：
Applied Predictive Modeling
http://www.amazon.com/dp/1461468485?tag=inspiredalgor-20
An Introduction to Statistical Learning: with Applications in R
http://www.amazon.com/dp/1461471370?tag=inspiredalgor-20
Machine Learning for Hackers
http://www.amazon.com/dp/1449303714?tag=inspiredalgor-20
希望能更好地解釋資料的資料分析師
資料分析員主要對商業利益背景下的資料解釋感興趣。有時，機器學習演算法有助於得出性能更好的模型。這些模型大多為描述模型，但是有時也包括預測模型。
和“普通研究人員”這個群體一樣，這個群體可能在統計學和統計推論上有著良好的基礎。另外，由於他們對描述模型最感興趣，因此掌握線性回歸和邏輯回歸之類的經典演算法可能就足夠了。相對於準確性，所得模型的解釋能力更好。
從統計推論的角度而言，上文提到的資源很很有用。
原文地址
http://machinelearningmastery.com/machine-learning-tribe/
➤學術人群
通常來講，這類人群主要指學生，包括本科生、研究、博士後、研究助理等。
學術人群可能會花大量時間研究他們論文中的某個機器學習演算法。 在此，我推薦他們看一篇文章“How to Research a Machine Learning Algorithm”，瞭解關於演算法方面的研究。
How to Research a Machine Learning Algorithm
http://machinelearningmastery.com/how-to-research-a-machine-learning-algorithm/
機器學習專業的本科生或研究生
機器學習專業的學生通常會上一些關於技術和演算法的課程，因此他們對相關的具體問題會更感興趣。
學生一般比較專注，也有時間深入去鑽研。這類人群最好閱讀教科書。以下是機器學習領域裡最好的教科書：
Learning from Data
http://www.amazon.com/dp/B00C7EXC2A?tag=inspiredalgor-20
Machine Learning: A Probabilistic Perspective
http://www.amazon.com/dp/0262018020?tag=inspiredalgor-20
Pattern Recognition and Machine Learning
http://www.amazon.com/dp/0387310738?tag=inspiredalgor-20
The Elements of Statistical Learning: Data Mining. Inference. and Prediction
http://www.amazon.com/dp/B00GSCXVN2?tag=inspiredalgor-20
機器學習領域的研究人員
機器學習領域的研究人員會深入瞭解機器學習的某個方面，並努力去擴展該領域。
研究人員對本專業的研究論文、期刊、組織、網路等很感興趣。
教科書對他們來說，可就不適用了。
他們需要參考一些知名度高的期刊和論文集：
Journal of Machine Learning Research (JMLR)
http://www.jmlr.org/
Neural Information Processing Systems (NIPS)
https://nips.cc/
Knowledge Discovery and Data Mining (SIGKDD)
http://www.kdd.org/
International Conference on Machine Learning (ICML)
https://en.wikipedia.org/wiki/International_Conference_on_Machine_Learning
檢驗Quora上關於“機器學習最好的會議和期刊是什麼？”。
https://www.quora.com/What-are-the-best-conferences-and-journals-about-machine-learning
這兒有一個很方便的人工智慧排名前50位的期刊列表。
http://www.scimagojr.com/journalrank.php?category=1702
利用機器學習建模的其他領域的研究人員
其他領域的研究人員可能也會對機器學習感興趣，但是是把它當作工具。他們更關注用自己的資料建造描述性或預測性的模型。
例如，客戶研究、地質學、或者生物學領域的科學家有他們自己的資料集。他們會用建模的方法來預測未來可能會發生的問題。
相比於模型的準確度，他們更關注模型的可解釋性。因此，從統計學借鑒過來的簡單易懂的方法更易被接受，例如線性回歸和邏輯回歸。
當然，好的系統化過程仍然需要。
我會推薦“工程人群”裡提到的資源，尤其是“Developer Interested in Delivering One-Off Predictions”。另外可以看一下“資料人群”裡“資料科學家”那部分。
➤工程人群
工程人群基本上是開發人員，他們希望將機器學習用於自己專案的解決方案中。
對於開發人員，推薦一篇很好的文章“Machine Learning for Programmers”。
http://machinelearningmastery.com/machine-learning-for-programmers/
工程人群可以從答疑網站的機器學習社區中獲得很多幫助和支持。 更多的資訊，可以參考文章“Machine Learning Communities”。
http://machinelearningmastery.com/machine-learning-communities/
實現演算法的程式設計人員
對於程式設計人員來說，一個很好的掌握機器學習技能的方法是：從零基礎開始，利用現有的程式設計能力實現機器學習的演算法。
這個方法我講過很多次，也在我的博文“Understand Machine Learning Algorithms By Implementing Them From Scratch”中提供了很棒的小竅門和資源。
http://machinelearningmastery.com/understand-machine-learning-algorithms-by-implementing-them-from-scratch/
在這篇博文中，我還針對這個方法推薦了三本書
Data Science from Scratch: First Principles with Python
http://www.amazon.com/dp/149190142X?tag=inspiredalgor-20
Machine Learning in Action
http://www.amazon.com/dp/1617290181?tag=inspiredalgor-20
Machine Learning: An Algorithmic Perspective
http://www.amazon.com/dp/1466583282?tag=inspiredalgor-20
交付一次性預測資訊的開發人員
一個開發人員不一定得是很棒的程式師，而程式設計也不需要交付一個準確可靠的預測模型。
一個一次性的預測模型可以在商業環境中提供一套預測資訊。在自學、處理實際資料集甚至在機器學習競賽中，這種模型都算是非常理想的。
如果你經歷過系統地解決問題的全部過程，並提供出一個獨立的模型，你將獲益良多。
Data Mining: Practical Machine Learning Tools and Techniques
http://www.amazon.com/dp/0123748569?tag=inspiredalgor-20
Applied Predictive Modeling
http://www.amazon.com/dp/1461468485?tag=inspiredalgor-20
你可以從我的博文“Process for working through Machine Learning Problems”中瞭解到端對端的解決機器學習問題的系統流程。
http://machinelearningmastery.com/process-for-working-through-machine-learning-problems/
改進軟體和服務的工程師
一個工程師要想在他們的軟體專案中加入機器學習，需要掌握的知識包括演算法、端對端解決問題、以及在軟體實際運轉的情況下如何讓演算法可靠執行。
這類人群是從前面的兩類人群成長而來的，稱他們為機器學習工程師可能更恰當。他們致力於使用高速的演算法來提供準確可靠的結果，並在二者中尋求平衡。
這類人群也大量使用了機器學習書庫和基礎架構。
在啟動中的機器學習書庫中，包括如下有用的資源：
Building Machine Learning Systems with Python
http://www.amazon.com/dp/B00E7NC9D2?tag=inspiredalgor-20
Learning scikit-learn: Machine Learning in Python
http://www.amazon.com/dp/1783281936?tag=inspiredalgor-20
Practical Data Science with R
http://www.amazon.com/dp/1617291560?tag=inspiredalgor-20
Machine Learning with R
http://www.amazon.com/dp/1784393908?tag=inspiredalgor-20
另外，還可以參閱文章“Building a Production Machine Learning Infrastructure”。
http://machinelearningmastery.com/building-a-production-machine-learning-infrastructure/
➤資料人群
通常來說，這類人群主要跟資料打交道，但可能也需要用到機器學習的知識。
希望獲得商業問題優化方案的資料科學家
一名優秀的資料科學家，絕不能停止學習。
你必須瞭解最新的資料流程、技巧和演算法。這包括你需要用來描述資料和創建預測模型的機器學習技能。
從“工程部落”項下列出的更為實用的資源中，以及從“學術部落”項下列出的更為理論化的資源中，資料科學家可以獲取自己需要的資源。
但是一些以資料科學為主的機器學習資源既有實用性又有理論性，這些資源包括：
Applied Predictive Modeling
http://www.amazon.com/dp/1461468485?tag=inspiredalgor-20
An Introduction to Statistical Learning: with Applications in R
http://www.amazon.com/dp/1461471370?tag=inspiredalgor-20
Machine Learning for Hackers
http://www.amazon.com/dp/1449303714?tag=inspiredalgor-20
希望能更好地解釋資料的資料分析師
資料分析員主要對商業利益背景下的資料解釋感興趣。有時，機器學習演算法有助於得出性能更好的模型。這些模型大多為描述模型，但是有時也包括預測模型。
和“普通研究人員”這個群體一樣，這個群體可能在統計學和統計推論上有著良好的基礎。另外，由於他們對描述模型最感興趣，因此掌握線性回歸和邏輯回歸之類的經典演算法可能就足夠了。相對於準確性，所得模型的解釋能力更好。
從統計推論的角度而言，上文提到的資源很很有用。
原文地址
http://machinelearningmastery.com/machine-learning-tribe/