本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

互聯(lián)網(wǎng)的一個問題就是：信息太多。

對想要學(xué)習(xí)機(jī)器學(xué)習(xí)的人來說，信息太多也是一種困擾，開放的課程、書籍、框架、開源代碼那么多，每套資料都有自己的好處，有人說這個課程好，有人說那個框架***用。

那么，對新手來說，究竟該從哪個開始學(xué)？學(xué)哪個合適呢？

[[260462]]

一位名叫Giacomo Ciarlini的意大利小哥就發(fā)現(xiàn)了個這問題，為了幫老板帶新人，他把機(jī)器學(xué)習(xí)領(lǐng)域所需要的知識都整理成了一條機(jī)器學(xué)習(xí)路線圖：

從編程和數(shù)學(xué)開始，逐漸學(xué)會各種概念、方法、神經(jīng)網(wǎng)絡(luò)，之后研究開源項目，終將成為一代機(jī)器學(xué)習(xí)專家。

就像從新手村一路升級打怪到滿級一樣，你可以跟著這條路線圖，成長為裝備齊全、技能全面、經(jīng)驗豐富的大神玩家。

四個學(xué)習(xí)部分

首先，你需要做點準(zhǔn)備才能開始自學(xué)機(jī)器學(xué)習(xí)。

提前準(zhǔn)備

Python

Jupyter筆記本

數(shù)學(xué)

機(jī)器學(xué)習(xí)概況

先要會一門編程語言，機(jī)器學(xué)習(xí)界最常用的Python了解一下~

Jupyter筆記本也是常用的工具，不用下載，在Web上就能直接用，可以在線coding，許多重要的應(yīng)用和教程也是在Jupyter上的，一定要學(xué)會。

***，搞機(jī)器學(xué)習(xí)一定要了解一些數(shù)學(xué)原理，還要了解一些機(jī)器學(xué)習(xí)的基本知識。

用Scikit-Learn做機(jī)器學(xué)習(xí)

為什么用Scikit-Learn?

端到端的機(jī)器學(xué)習(xí)項目

線性回歸

分類

訓(xùn)練模型

支持向量機(jī)

決策樹

集成學(xué)習(xí)和隨機(jī)森林

無監(jiān)督學(xué)習(xí)

回顧

之后，安裝Scikit-Learn，這是機(jī)器學(xué)習(xí)任務(wù)中最完整，最成熟，記錄最完整的庫之一，然后就能照著路線圖把后面線性回歸、分類……的都學(xué)習(xí)實踐一遍。

當(dāng)然，每個知識點小哥都準(zhǔn)備了一些參考資料，可以照著資料一步步來。

TensorFlow與神經(jīng)網(wǎng)絡(luò)

為什么要用TensorFlow？

TensorFlow啟動并運(yùn)行

ANN - 人工神經(jīng)網(wǎng)絡(luò)

CNN - 卷積神經(jīng)網(wǎng)絡(luò)

RNN - 循環(huán)神經(jīng)網(wǎng)絡(luò)

訓(xùn)練網(wǎng)絡(luò)：***實踐

自動編碼

強(qiáng)化學(xué)習(xí)

下一步

現(xiàn)在，進(jìn)入TensorFlow的世界。當(dāng)然，現(xiàn)在越來越多的開發(fā)者認(rèn)為Facebook出品的PyTorch是一個更好用的框架，不過TensorFlow依然是用戶最多的框架。

一些實用資料

機(jī)器學(xué)習(xí)項目

數(shù)據(jù)科學(xué)工具

安利一些博主

現(xiàn)在，最基本的東西你已經(jīng)掌握了，可以開始看各種豐富的資料，學(xué)習(xí)各種熱門的項目了，記得隨時關(guān)注***出現(xiàn)的突破性項目，不然就要跟不上機(jī)器學(xué)習(xí)界飛快的進(jìn)步和突破了。

***，里面所有提到的資料課程，GitHub原文都有鏈接哦。

還有續(xù)集

除了機(jī)器學(xué)習(xí)，小哥還在準(zhǔn)備商業(yè)智能分析和云計算架構(gòu)師兩個領(lǐng)域的學(xué)習(xí)路線圖。

后面還準(zhǔn)備出數(shù)據(jù)可視化、數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理三個數(shù)據(jù)相關(guān)領(lǐng)域，如果未來需要“轉(zhuǎn)職”可以考慮學(xué)習(xí)一下。

除了技術(shù)相關(guān)，小哥甚至還準(zhǔn)備推出有效溝通、有影響力的演講、務(wù)實決策三塊內(nèi)容的路線圖，真是個技術(shù)轉(zhuǎn)管理的全才，35歲以后也不會被淘汰。

傳送門

https://github.com/clone95/Machine-Learning-Study-Path-March-2019