大学开始接触机器学习，不知不觉学习机器学习已经2年多了，不好说对他有一定的了解，但是也算已经入点门到了。希望自己借助写博客的机会静下心梳理一下自己的知识。
最近几年机器学习太火了，其实机器学习早就已经出现，只是由于大数据和云计算的出现，让它又赋予了新的高度。
何为机器学习，说的白话一点就是从数据中学习数据的分布。因为必须需要大量的数据作为支持，有了数据还需要计算能力，所以大数据和云计算的发现对机器学习有一定的推动作用。
机器学习可以用在什么地方？比如语音识别，图片识别，推荐系统，金融，医疗等等可以涉及到各行各业，可以说只有你想不到，没有它做不到！
最近有人说，机器学习都已经过时了，都学深度学习了，对于这种说法，说明你还不了解它们之间的关系，其实深度学习只是机器学习的一个分支，没有人只学深度学习而不学机器学习。
对于机器学习的入门，要求不是很高，主要是以下几个方面：
数学方面：高等数学（微积分，级数）；概率论（知道常见的分布，比如二项分布，高斯分布等等，还包括少量的统计知识，本科概率论足够）；线性代数（矩阵的基本运算，矩阵的分解尤其是svd和特征分解）；凸优化知识（梯度下降，牛顿法，共轭梯度，拉格朗日乘子法）随机梯度下降发用的比较多可以用于在线学习；还有就是少量信息论（kl散度，交叉熵，互信息等等）
编程语言：入门的话选择python，matlab，R,octave比较好，不需要考虑太多的数据结构问题。其实我觉得需要选择自己喜欢的就好。
推荐资料：首推大牛Ng的网易公开课视频，这个视频是斯坦福上课视频讲的很细，它是教你如何成为机器学习研究者而不是应用者，会让你学会如何改善你的学习系统。还有台大林轩田的课也不错，小象学院也有课程。
书籍：我觉得好的书籍是《统计方法学》，李航写的，他从数学的角度上学习机器学习，写的很详细。周志华的西瓜书也看了，感觉还是不够细，但是很全面，包含机器学习的个个方面。实践的话，看看《机器学习实战》，其实GitHub上代码很多，实战很简单，关键要熟悉理论，这样才能建立一个好的机器学习系统，知其然也要之气所以然！
作为一个初学者，很希望找到志同道合的朋友一起研究它，共同进步！
如有写错的地方，希望不要见怪！
