机器学习想要深入、专业、有品位，需要对编程、算法、数学、计算机分布式技术有一定的掌握。所以，相比之前的技术升级，这条路的门槛提高了不少。编程，熟练不是必要条件，但必须熟练使用一门语言，非专业人士也可以学习；数学，需要掌握概率论、线性代数、微积分等基础理论；计算机分布式技术，可选，非必需。另一个是统计。统计和大数据的来源是对数据的分析。因为统计学是一门理论功底深厚的学科，理解统计学有助于提升分析数据的能力。并避免掉入坑中。初学者不需要，但高级阶段需要。我也是一个正在这条路上摸索的程序员。好在现在的工作内容也是朝着这个方向发展的，可以投入更多的时间和精力。写这个教程，一是总结学习，给自己定一个可衡量的目标，自我监督；另一种是与志同道合的伙伴交朋友，共同成长。本系列文章的核心思想只有一个：用动手实践带动理论学习。本教程的开发将遵循敏捷实践。一开始可能会有很多不准确和不精确的地方。希望大家批评指正，不断改进。当程序员学习一门新技术时，第一个问题就是用什么语言？在考察了R语言、Java和Python之后，我最终选择了Python。作为程序员，统计出身的R一来就被秒杀。与Python相比，Java和Java的区别就很明显了。在入门学习方面，Python的学习资料和工具最多。所以从学习的角度来说，还是先用python吧。以后实际工作和产品开发使用Java也不晚，不会有太大影响。一旦掌握了算法和思想，语言就只是一种工具。知乎上机器学习的资料很多，也可以百度一下。娱乐版有多少明星新闻，就有多少文章。这里只说一下我现在学习的资料，仅供参考：书：《机器学习实战》（https://book.douban.com/subject/24703171/），虽然有人说代码写得不好，数学理论入门不够详细差评，但完全满足实战需要。本书特色：主流算法只介绍基本原理。数学部分虽然讨论的比较简单，但是我们可以通过相应的知识点在知乎、百度或者谷歌上进行补充。一些大而全的书，虽然讲了，但似乎无话可说；另外还有很多基于Python的习题，附有参考代码~。视频：看过吴恩达最火的视频，看了几节课就没再看了。主要是因为我需要的是一个快速反馈的学习过程（动手实践），所以以后只能继续“看”了。2017年1月上了《小象》的机器学习课程，避开广告，不多讨论。“书不买就不能读”~，唯有花钱的人才能逼迫自己前行。数学：又买了一套大学教材，有概率论、线性代数、高等数学。需要的同学可以去“闲鱼”二手货。主要作为工具书使用，不懂的公式可以复习一下。有空的同学，最好再复习一遍。下一部分是介绍Python的机器学习工具和数学库。可以先准备学习环境：1.Anaconda，https://www.continuum.io/anaconda-overview。这是一个集成了机器学习所需的python运行环境、依赖库和代码编辑器的安装器。为了快速搭建学习环境，安装这个就足够了。Python选择安装2.7版本，因为网上大量例子和代码都是基于2.7的。2、Python语言学习，网上有很多2.7的教程，重点是了解语法、方法和数据结构，其他内容等到用到的时候再学。好了，准备工作就到这里，今天的实践：下载安装Anaconda，熟悉ipython交互环境的使用Python语言基础自学更多本作者好文
