什麼是機器學習
告訴機器你想做什麼，並且給它一堆數據讓他去模仿着做！
機器學習需要什麼？
算法，數據，程序，評估，應用
機器學習能做什麼？
應用場景：
數據挖掘
圖像識別
語音與自然語言處理
文字識別
機器學習流程（常規套路）
1.採集數據，預處理
2.特徵提取與模型建立
3.評估和輸出（預測）
機器學習應該怎麼學？
1.本質包含了數學原理推導與實際應用技巧。
2.機器學習有很多經典算法，既要學習，也要清楚一個算法怎麼來推導以及該如何應用
3.大學數學基礎即可，哪裏不會點哪裏，自己線上線下查找。
程序員應該注重哪些？
1.各種庫的使用
2.完整項目如何構建
3.從頭到尾的流程
深度學習是什麼？
1.深度學習是機器學習中神經網絡算法的眼神，應有的比較廣
2.深度學習在計算機視覺和自然語言崇禮中更厲害一些
3.一切基礎都是機器學習，麼有堅實的基礎智慧越來越迷茫
真實神經網絡包含哪些
神經元（樹突，軸突，突觸）
軸突連接不同的神經元，樹突是每個神經元的神經分叉，樹突的觸角是三角突觸
資源
1.github
2.kaggle
先去模仿，再去創造。
案例實戰
1.常用函數的應用（工具）
2.算法原理推導：從零開始，對一個機器學習、深度學習算法進行推導，得出最終的解法，評估參數對結果的影響。
3.基於真實的數據集，結合pyhton工具庫，從數據預處理開始一步步建模完成整個案例。
4.很少從頭開始去寫一個項目，通常都是按照之前的某種套路照搬過來實際上大部分公司都這麼做，建議大家先學會模仿，再去創作吧！