本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

互聯網的一個問題就是：信息太多。

對想要學習機器學習的人來說，信息太多也是一種困擾，開放的課程、書籍、框架、開源代碼那么多，每套資料都有自己的好處，有人說這個課程好，有人說那個框架***用。

那么，對新手來說，究竟該從哪個開始學？學哪個合適呢？

[[260462]]

一位名叫Giacomo Ciarlini的意大利小哥就發現了個這問題，為了幫老板帶新人，他把機器學習領域所需要的知識都整理成了一條機器學習路線圖：

從編程和數學開始，逐漸學會各種概念、方法、神經網絡，之后研究開源項目，終將成為一代機器學習專家。

就像從新手村一路升級打怪到滿級一樣，你可以跟著這條路線圖，成長為裝備齊全、技能全面、經驗豐富的大神玩家。

四個學習部分

首先，你需要做點準備才能開始自學機器學習。

提前準備

Python

Jupyter筆記本

數學

機器學習概況

先要會一門編程語言，機器學習界最常用的Python了解一下~

Jupyter筆記本也是常用的工具，不用下載，在Web上就能直接用，可以在線coding，許多重要的應用和教程也是在Jupyter上的，一定要學會。

***，搞機器學習一定要了解一些數學原理，還要了解一些機器學習的基本知識。

用Scikit-Learn做機器學習

為什么用Scikit-Learn?

端到端的機器學習項目

線性回歸

分類

訓練模型

支持向量機

決策樹

集成學習和隨機森林

無監督學習

回顧

之后，安裝Scikit-Learn，這是機器學習任務中最完整，最成熟，記錄最完整的庫之一，然后就能照著路線圖把后面線性回歸、分類……的都學習實踐一遍。

當然，每個知識點小哥都準備了一些參考資料，可以照著資料一步步來。

TensorFlow與神經網絡

為什么要用TensorFlow？

TensorFlow啟動并運行

ANN - 人工神經網絡

CNN - 卷積神經網絡

RNN - 循環神經網絡

訓練網絡：***實踐

自動編碼

強化學習

下一步

現在，進入TensorFlow的世界。當然，現在越來越多的開發者認為Facebook出品的PyTorch是一個更好用的框架，不過TensorFlow依然是用戶最多的框架。

一些實用資料

機器學習項目

數據科學工具

安利一些博主

現在，最基本的東西你已經掌握了，可以開始看各種豐富的資料，學習各種熱門的項目了，記得隨時關注***出現的突破性項目，不然就要跟不上機器學習界飛快的進步和突破了。

***，里面所有提到的資料課程，GitHub原文都有鏈接哦。

還有續集

除了機器學習，小哥還在準備商業智能分析和云計算架構師兩個領域的學習路線圖。

后面還準備出數據可視化、數據收集、數據預處理三個數據相關領域，如果未來需要“轉職”可以考慮學習一下。

除了技術相關，小哥甚至還準備推出有效溝通、有影響力的演講、務實決策三塊內容的路線圖，真是個技術轉管理的全才，35歲以后也不會被淘汰。

傳送門

https://github.com/clone95/Machine-Learning-Study-Path-March-2019