用python做機器學(xué)習(xí)有哪些資料推薦？

如今確實挺多諸如數(shù)據(jù)分析、機器學(xué)習(xí)的崗位選擇使用python做開發(fā)的多，那么，如果是想從事機器學(xué)習(xí)開發(fā)的話，該如何起步呢？

一 扎實python基礎(chǔ)

要想把機器學(xué)習(xí)用起來，就得先掌握python的基礎(chǔ)，諸如import、對象等的一些概念和使用要了然于心，否則基礎(chǔ)不扎實的話，就會面臨很多瑣碎的問題。對于python基礎(chǔ)的掌握，推薦慕課網(wǎng)教程，個人聽過感覺還不錯。 當(dāng)然，書籍方法的話推薦《Python編程 從入門到實踐》，此書可以充當(dāng)字典，遇到不會的可以多翻翻。

二 熟悉掌握python常用的機器學(xué)習(xí)包

python提供了很多可以很好支出程序進行矩陣、線性和統(tǒng)計等的數(shù)學(xué)運算，像大部分機器學(xué)習(xí)的開發(fā)者都熟悉的Scikit Learn包一樣，里面封裝了很多算法，可以讓我們事半功倍。但也相應(yīng)的需要我們花時間去了解里面包的使用，在這里推薦去官網(wǎng)看（https://scikit-learn.org/stable），里面也提供了很多例子供我們參考和研習(xí)。當(dāng)然，也可以購買相應(yīng)的書籍，這里推薦《機器學(xué)習(xí)實戰(zhàn)：基于Scikit-Learn和TensorFlow》。此書涵蓋機器學(xué)習(xí)的基礎(chǔ)理論知識和基本算法——從線性回歸到隨機森林等，幫助讀者掌握Scikit-Learn的常用方法；探討深度學(xué)習(xí)和常用框架TensorFlow，一步一個腳印地帶領(lǐng)讀者使用TensorFlow搭建和訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，以及卷積神經(jīng)網(wǎng)絡(luò)。

三 掌握真正的內(nèi)功算法

機器學(xué)習(xí)需要使用的算法是很多的，雖然前輩們已經(jīng)為我們留下了各種包方便我們使用，但真正解決機器學(xué)習(xí)開發(fā)者級別的，還在于內(nèi)功的深厚，也就是算法。 只有真正的弄懂了算法，在開發(fā)的過程中才能真正的知其然而又知其所以然。 懂得了算法，你才能知道為什么需要這樣做，為什么那樣做會產(chǎn)生那樣的結(jié)果，如何更好的調(diào)參等。 如果沒有算法做鋪墊，很快就會迷失在調(diào)包的迷霧中，很難更近一步的往上。 在這里，推薦你去看吳恩達機器學(xué)習(xí)課程，這門課程在網(wǎng)易公開課上也有。 同時，也建議你去看機器學(xué)習(xí)的入門教材，也就是周志華出的《機器學(xué)習(xí)》，此書對于新手來說也算是一件寶物。在內(nèi)容上盡可能涵蓋機器學(xué)習(xí)基礎(chǔ)知識的各方面. 全書共16 章，大致分為3 個部分：此書介紹機器學(xué)習(xí)的基礎(chǔ)知識；討論了—些經(jīng)典而常用的機器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)）后期還涉及特征選擇與稀疏學(xué)習(xí)、計算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)以及強化學(xué)習(xí)等。

學(xué)習(xí)的路上切記浮躁，要一步步的基礎(chǔ)打撈了，才能以不變應(yīng)萬變。

最后祝你早日成為大佬。