GitHub上3000多赞的《机器学习路线图》教你升级打怪。互联网的一个问题是信息太多。对于想学机器学习的人来说，信息量太大也是个问题。有那么多公开课程、书籍、框架和开源代码。每套材料都有其自身的优点。有人说这个课程好，也有人说Frames安全。那么，对于新手来说，应该从哪里开始学习呢？学哪一个合适？一位名叫GiacomoCiarlini的意大利弟兄发现了这个问题。为了帮老板带新人，他把机器学习领域需要的所有知识整理成机器学习路线图：从编程和数学开始，逐步学习各种概念、方法和神经网络，然后研究开源项目，最终会成为一代机器学习专家。就像从新手村一路打怪升级到满级一样，你可以按照这个路线图成长为装备齐全、技能全面、经验丰富的高手。四个学习部分首先，您需要做一些准备，然后才能开始自学机器学习。提前准备PythonJupyterNotebook数学机器学习概述首先，你必须会一门编程语言。下面来了解一下机器学习领域最常用的Python吧~JupyterNotebook也是常用的工具。无需下载即可直接在Web上使用，可用于在线编码。许多重要的应用程序和教程也在Jupyter上，因此您必须学习它。最后，要从事机器学习，你必须了解一些数学原理，以及一些机器学习的基础知识。使用Scikit-Learn进行机器学习为什么选择Scikit-Learn？End-to-EndMachineLearningProjectsLinearRegressionClassificationTrainingModelsSupportVectorMachinesDecisionTreeEnsembleLearningandRandomForestUnsupervisedLearning库中最完整、最成熟、文档最多的库之一，然后你可以按照路线图学习和练习所有的线性回归、分类等。当然，每个知识点小哥都准备了一些参考资料，可以一步一步来。TensorFlow与神经网络为什么要使用TensorFlow？TensorFlowUpandRunningANN-ArtificialNeuralNetworksCNN-ConvolutionalNeuralNetworksRNN-RecurrentNeuralNetworks当然现在越来越多的开发者认为Facebook出品的PyTorch是更好的框架，但是TensorFlow仍然是使用最多的框架。机器学习项目数据科学工具的一些实用资料安利一些博主既然已经掌握了最基本的东西，那么就可以开始阅读各种丰富的资料，学习各种热门项目了。记得随时关注最新的突破，否则我们将无法跟上机器学习领域快速的进步和突破。***，里面提到的所有资料和课程都有原GitHub的链接。还有续集。除了机器学习，弟弟还在准备商业智能分析和云计算架构师领域的学习路线图。后面会准备三个数据相关的领域，数据可视化，数据采集，数据预处理。如果以后需要“跳槽”，可以考虑研究一下。除了技术，我哥甚至还计划推出有效沟通、有影响力的演讲和务实决策的路线图。他真的是从技术到管理的多面手，35岁以后也不会被淘汰。传送门https://github.com/clone95/Machine-Learning-Study-Path-March-2019
