總綱

數學 Mathematics

在整個機器學習過程中涉及大量矩陣運算和微積分導數的概念，因此建議初學者至少要有較為紮實的數學基礎，對矩陣和微積分的概念瞭解比較清楚，否則在一些公式推導過程中會遇到較大障礙，而不斷反覆回來複習數學知識。

程式語言

Python 已經成為機器學習的第一語言，至於為什麼？

知乎 https://www.zhihu.com/question/30105838  中有非常不錯的解釋。

眾多機器學習的框架都支援Python API，所以學習機器學習，Python語言語法估計是繞不過去。

監督學習 Supervised Learning

監督學習指的是人們給機器一大堆標記好的資料，比如一大堆照片，標記出哪些是貓的照片，哪些不是，然後讓機器自己學習歸納出演算法，可以判斷出其他照片是否是貓。目前這個領域演算法代表：Linear regression、Logistic regression、Neural network、SVM等。

非監督學習 Unsupervised Learning

非監督學習指的就是人們給機器一大堆沒有標記的資料，讓機器可以對資料進行分類、檢測異常等。

半監督學習 Semi-Supervised Learning

在很多實際問題中，只有少量的帶有標記的資料，這時候半監督學習會成為較好的選擇。

特殊主題 Special Topic

一些特殊演算法，例如推薦系統。常用於購物網站，可以根據你的過往購物或評分情況，來向你推薦商品。

機器學習建議

機器學習的建議，包含引數正則化、學習曲線、誤差分析、調參等。

整合學習 ensemble learning

整合學習本身不是一個單獨的機器學習演算法，而是通過構建並結合多個機器學習器來完成學習任務，以達到更好的預測效能。整合學習演算法主要有 Boosting 和 Bagging 兩種型別。

深度學習 Deep Learning

深度學習是機器學習的一個熱門分支，模擬人類大腦的思維方式，可以極大的提高正確率，是近來機器學習的一個非常大的突破。

強化學習 Reinforcement Learning

強化學習是一類演算法，是讓計算機實現從一開始什麼都不懂，腦袋裡沒有一點想法，通過不斷地嘗試，從錯誤中學習，累積經驗, 學習經驗，最後找到規律，學會了達到目的的方法。

遷移學習 Transfer Learning

遷移學習是運用已存有的知識對不同但相關領域問題進行求解的新的一種機器學習方法。比如我們學會騎自行車後，學騎摩托車就很簡單了；在學會打羽毛球之後，再學打網球也就沒那麼難了。對於計算機而言，所謂遷移學習，就是能讓現有的模型演算法稍加調整即可應用於一個新的領域和功能的一項技術。

工具/框架 Tools/Framework

開源機器學習框架，基於這些框架可以很容易搭建機器學習的平臺。

TensorFlow 是谷歌基於 DistBelief 研發的第二代機器學習系統，是一個能處理多種語言理解和認知任務的開源軟體庫，目前已成為 GitHub 上最受歡迎的機器學習開源專案；

運氣其實永遠只是充分準備加上努力工作的結果。

每一次閱讀 我都當成是喜歡