# 通過尋找地標開始機器學習 > 原文： [https://machinelearningmastery.com/find-machine-learning-landmarks/](https://machinelearningmastery.com/find-machine-learning-landmarks/) 你從哪里開始機器學習？ 實際上是破土動工并開始提出動機問題？ 在這篇文章中，發現了一個個人故事，即如何在機器學習中找到地標，這對于一個軟件工程師來說是不同的。  在機器學習中找到地標 照片由 [Craig Stanfill](https://www.flickr.com/photos/photo_fiend/7925660222) 拍攝，保留一些權利。 我在新的一年里收到了 Cliff Bryant 的鼓舞人心的電子郵件。 Cliff 是一位希望開始進行機器學習的高級軟件工程師。他已經開始了他的旅程。在他的電子郵件中，他指出這不是一個動機問題，但尋找地標的問題幫助他開始了。 我想分享他的電子郵件（當然是他的許可），因為我覺得如果你還在試圖弄清楚如何開始，這是鼓舞人心的。 > 我最初的機器學習問題，這種情況持續了好幾年，是因為我無法看到森林中的樹木。 > > 從外部看，機器學習看起來像是一個令人眼花繚亂的技術集合。我看不出不同方法之間的結構和關系。我不知道應該在特定問題中應用哪種方法，以及如何附加機器學習問題。 > > 現在我有幾個機器學習在線課程，我開始看到一些一般的結構。例如，監督與無監督學習，回歸與分類。 > > 我認為新機器學習的問題是“從哪里開始？”和“在哪里花時間學習？”在確定了這些標志后，我現在對擴大我的知識以包含其他技術更有信心。 > > 除了學習算法，技術和理論之外，還存在大規模操縱數據的實際問題。在這個領域看到一些例子是有幫助的，或者至少要概述一下發生了什么。在這方面，我認為 R 語言（在其當前實現中）僅限于適度大小的數據集（適合主存儲器）。我認為 Python 是一種可以跨越范圍數據規模問題的語言。 > > 一旦你開始看到機器學習領域的整體輪廓，這是有幫助的，從那時起，更容易看到新技術和算法如何適應整個框架。 > > 從一開始我的問題不是動機。從小就一直喜歡數學。我開始學習機器學習的問題是從哪里開始？ 好電子郵件！再次感謝分享克里夫。 如果你有自己的入門故事，我很樂意聽到它。 在下面發表評論或[給我發電子郵件](http://machinelearningmastery.com/contact/)。