全文共字，预计学习时长16分钟
图源：unsplash先坦白，我即没有技术经验，也没有相关学位背景，在发现大学上的编程课程早已过时后，我决定通过在线资源自学机器学习和人工智能。
我自己从头到尾地设计了一个机器学习和人工智能学位，就是为了实现自己的目标：成为一名全能的机器学习和AI工程师。
我的目标
·使用机器学习和AI解决重大问题——我知道自己永远不会成为机器学习或AI方面的 专家，但我希望自己有所成就。
·为世界带来价值——我学习这些技术，并不是为了学而学，也不是因为它们正流行，而是想用我所学创造出令人大吃一惊的东西。
·激励他人开启学习之旅——通过撰写自己的学习之旅，分享我所学到的知识，我希望能鼓励他人开辟属于他们自己的道路。
决定概述
我选取课程的主要标准是价格、灵活性、项目制学习、评论和评分。
根据ClassCentral和CourseTalk提供的数千条课程评分和评论，以及各自机构的评分和评论，我做出了决定，选择了 的计算机科学、数学、数据科学、人工智能和机器学习课程。
通过对全球 大学的机器学习和数据科学学位的分析，以及对自学成才的成功案例的解读，我发现想要真正掌握成功所需的知识就必须选择不同的学科进行学习。
首先从数学开始。数学为ML和AI奠定了基础，十分重要，所以我开设了几门课程，涵盖线性代数、多元微积分、概率和统计学。我选择Python作为学位的基础语言，还加了一门很棒的掌握R的课程。
然后添加了数据科学、机器学习、人工智能和深度学习方面的基础课程。在学位最终阶段，我添加了深入学习ML和AI的进阶课程，同时还提供了其他课程来查漏补缺。
现在开始吧！
数学基础
图源：interestinggengi数据科学所需的数学技能
杜克大学（Coursera）[$49]
课程内容：集合论、区间符号和不等式的代数；在x-y平面上绘制函数及其反函数；瞬时变化率和曲线切线的概念；指数、对数、概率论，包括贝叶斯定理。
链接：