工業革命是讓機器幹人幹不了事，智能革命是讓機器幹人能幹的事
機器學習是一門需要不斷實驗和試錯的科學，擁有大量的數據幾乎比擁有一個好的算法還要重要，沒有一個機器學習模型能夠對所有的問題都是最有效的。
下面介紹一下我將如何通過Python入門機器學習。
人工智能、機器學習、深度學習之間的關係
學習Python基本語法
首先我在Python官網找到入門教程，快速過了一遍Python的基本語法。相信對於稍微有點編程基礎的人來說這都不是事兒。
作為實踐，接著我用Python實現了一個基於命令行翻譯腳本。到此Python算入門了。
這裡囉嗦一下Mac下的Python環境的搭建過程。我在這篇文章中介紹如何處理系統自帶和自己安裝的Python版本。
Python機器學習相關庫
Python有好多涉及機器學習的庫，如Theano、TensorFlow、PyTorch、scikit-learn等。考慮到scikit-learn（以後將簡寫為sklearn）對機器學習進行了高度封裝與抽象，能夠讓初學者跳出數學的夢魘進行機器學習實踐，我選擇它作為入門的跳板。
除此之外還需要學習下面幾個Python庫，用於數據處理或者科學計算等。
- numpy：提供強大的N維數組及相關操作的庫，參考NumPy快速入門筆記。
- pandas：提供類似關係型或標籤型數據結構的庫，參考Pandas快速入門筆記。
scipy：集成眾多數學運算函數的庫，請自行參考官方文檔。
- matplotlib：把數據繪製成圖像的工具，可以參考Matplotlib快速入門筆記。
從0 到 1，機器學習入門指南
機器學習並沒有那麼深奧，它還很有趣（1）
機器學習並沒有那麼深奧，它還很有趣（2）
機器學習並沒有那麼深奧，它還很有趣（3）
機器學習並沒有那麼深奧，它還很有趣（4）
從0 到 1，機器學習入門指南介紹的內容為：
深入原理
sklearn能夠以黑盒方式提供機器學習算法的實現，這對初學者是有利的。但是如果僅僅停留在這裡顯然是不夠的，如果不掌握一定的基礎知識與原理，我們無法對顯示問題進行建模與選型。所以在學習了sklearn的算法後，一定要查閱相關文檔，瞭解算法背後的知識與原理。
寫給大家看的機器學習書
什麼是機器學習？機器學到的到底是什麼？
訓練數據長什麼樣 機器學到的模型是什麼
還有很多包括視頻我就不一一截圖了，需要這些資料的可以先關注小編，轉發評論，私信小編回覆006、008即可領取資料。誠信小編！！！
閱讀更多 雯Ping 的文章
