2016年的阿尔法狗对战李世石的比赛，让我对人工智能有了极大的兴趣，从此走上一条不归路。在离考研还有三个月的今天，总结下我一年多以来对人工智能的子集机器学习和深度学习的一些经验，希望对机器学习刚入门的人有帮助。大佬就不用看了，毕竟我也只刚入门。
本文将分为以下几个部分，大家可以根据自己的情况选择性阅读。
一，python的学习（对于没有python或其他编程语言经历的纯新手可以看看）
二，机器学习的理论和实践过程（如果python很了解，可以直接从这看起）
三，深度学习的理论和实践过程 （如果python和机器学习很了解，可以直接从这看起）
机器学习学习流程 python语法--python数据科学--机器学习算法--机器学习算法实践
一，python的学习
python是一门最近很火的程序语言，它的优势在于语法简单，易于上手，而且有大量的各种功能的库。你可以很轻易的写爬虫，图像处理，写个小游戏，甚至机器学习模型。
对于刚入门的初学者，我觉得python的功能过多也有些弊端，会让学习者陷入无尽的学习中。今天看了爬虫很有趣，就去学爬虫。明天又想去做web应用，又去找web的资料。python是一个强大的工具，我们只需要利用它解决自己的主要问题而已，对于初学者不用学太多的没用的python语法和库。
机器学习算法所需要的输入都是矩阵，因此它要用到大量的数据科学相关库，我们要重点掌握这些。
以下是我认为python比较重要的语法和第三方库的学习
1，编程语言的基础语法，变量的使用，顺序，条件，循环，函数，简单的面向对象的思维。
2，python的三大数据结构，元组，列表，字典。
3，numpy(实现了快速的矩阵运算)，scipy,matplotlib(画图)，pandas(方便的数据处理库)，这几个库算是数据科学库的核心，numpy首先要掌握，其他的先了解，等实践时再慢慢学。
对于这一块的知识，语法部分，看看廖雪峰的python教程就行。https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000
对于数据科学，可以看看《用python数据分析》，可以把这书配合着API当字典。
中国大学mooc上北京理工大学有相关的数据科学的课程，还有coursera上的南京大学有相关课程。
二，机器学习的理论和实践过程
