↑↑↑點擊上方藍字，回覆資料，10個G的驚喜
大家好，我是老胡。
這是爲朋友社羣準備的一篇機器學習入門指南，分享了我機器學習之路看過的一些書、教程、視頻，還有學習經驗和建議，希望能對大家的學習有所幫助。
Python——書
之前跟出版社合作，書櫃裏積攢了很多Python相關的書，這裏推薦三本最有價值的吧：
-
《流暢的Python》，很厚，比較全面，可以作爲工具書常常翻看。
-
《 Python編程從入門到實踐（第2版）》 非常全面，對新手還算友好，裏面有很多的練習項目非常不錯。
-
《利用Python進行數據分析·第2版》 數據分析入門必讀書，主要介紹了python 3個庫numpy（數組），pandas（數據分析）和matplotlib（繪圖）的學習。有開源版，就不用買了，下載鏈接及代碼如下：
https://github.com/iamseancheney/python_for_data_analysis_2nd_chinese_version
Python——教程
學習Python最好的入門線上教程，首推Python官方文檔
https://docs.python.org/zh-cn/3/tutorial/index.html
官方文檔足夠詳細和系統，但是內容太龐大，學習來會有點喫力，我建議只看tutorial即可，就是上面的鏈接。
直接啃官方文檔的教材，不如老師講給你聽來的效率高。廖雪峯的Python新手教程也是個不錯的選擇，每一節都有練習題，學習來更順暢，對新手很友好。
https://www.liaoxuefeng.com/wiki/1016959663602400
機器學習最常用的庫少不了Numpy 、Pandas 、Matplotlib這些庫我覺得看官方文檔就好了，不過英文不好的同學可能就不滿意了，這裏分別列一下這些庫的官方文檔和我覺得很不錯的中文教程，提醒一下哈，官方文檔只需要看我列出的鏈接即可。
Numpy
官方文檔：https://numpy.org/doc/stable/user/quickstart.html
中文教程：https://www.numpy.org.cn/user/quickstart.html
Pandas
官方文檔：https://pandas.pydata.org/docs/user_guide/10min.html
中文教程：https://www.pypandas.cn/docs/getting_started/10min.html
Matplotlib
官方文檔：https://matplotlib.org/stable/tutorials/introductory/usage.html
中文教程：https://www.matplotlib.org.cn/tutorials/
Python——視頻
實話實話，我沒有完整的看過任何Python視頻。歸根結底，Python入門很簡單，看視頻效率太低。傳言B站的[小甲魚]零基礎入門學習Python不錯，簡單看了一眼，確實0基礎。我們用Python是用來學機器學習的，喜歡看視頻學習的同學可以看看，建議只看P1-P53即可。
《零基礎入門學習Python》：https://www.bilibili.com/video/av27789609
機器學習——書
市面上凡推薦機器學習的書，都少不了李航的《統計學習方法》和周志華的《機器學習》，我當初也是看了大佬推薦，在這兩本書上耗費了極多的時間。但這兩本我覺得都不太適合入門，尤其是統計學習方法，簡直就是上等武功祕籍，太過精煉，啃起來太喫力。對比起來周老師的《機器學習》相對好點，其中有些公式推導有點跳，Datawhale 出了一本開源的《機器學習公式詳解》是個很好的補充（https://datawhalechina.github.io/pumpkin-book）。周世華的《機器學習》是必不可少的工具書，值得反覆閱讀，不過建議在看過視頻教程之後。
偏應用的書，只推薦一本，其他的都不要看！！！：《機器學習實戰：基於Scikit-Learn、Keras和TensorFlow（原書第2版）》，入門可以先看前 9 章。
市面上很少有書能夠把機器學習在業務層面的應用介紹清楚，比如模型解釋、模型上線，模型監控等等，沒有看到特別詳細的，有一本還算滿意，就是知名度比較低：《機器學習：軟件工程方法與實現》。
機器學習——教程
教程沒有看到太好的，除了sklearn的文檔，只推薦吳恩達、李宏毅、林軒田三位老師的視頻課件。課件這裏不單獨列出來了，下載鏈接我放到思維導圖裏了。
Sklearn
官方文檔：https://scikit-learn.org/stable/user_guide.html
中文教程：https://sklearn.apachecn.org/
機器學習——視頻
與Python不同，機器學習基礎我覺得最好還是跟着視頻學，因爲初學機器學習算法，涉及很多公式推導，非常難理解，跟着視頻學起來會輕鬆不少。
視頻首推吳恩達的公開課，這是學習機器學習基礎知識的最好的課程。英語不好的同學也不要擔心，視頻是有中文字幕的。
https://www.bilibili.com/video/BV164411b7dx
作爲補充，時間充裕的同學可以看看臺大李宏毅的機器學習公開課，特點是中文授課，比較輕鬆愉快。
https://www.bilibili.com/video/BV1pE411g7Wi
時間更充裕的也可以看看林軒田的視頻課，只看基石部分即可。
https://www.bilibili.com/video/BV1Ft41197Dy
機器學習——數學基礎
數學基礎這一塊是個無底洞，不太建議大家耗費過多時間，用到了再補也不遲。
也不建議大家看書，基礎確實特別薄弱的同學，只推薦一本：《機器學習的數學》，這本書特別全面的介紹了微積分、線性代數、概率統計、信息論、隨機過程、圖論等內容。再強調一遍，此書僅適於基礎特別薄弱的同學，但凡有點基礎就別看書。
我感覺機器學習中用到最多的應該是線代，喜歡看視頻的可以看看李宏毅的機器學習中的線性代數：
https://www.bilibili.com/video/BV1G7411f7BE/
或者3blue1brown：線性代數的本質
https://www.bilibili.com/video/BV1Ys411k7yQ
其他數學基礎相關的電子書，我也放到思維導圖中了。
一些經驗和建議
1、我敢肯定很多初學者都是資料收集愛好者，越攢越多反而不知道從何開始。我強烈建議把資料都扔掉，以我的這一套爲準，一以貫之的學下去。
2、就像前面我提到的，很多東西先不要深究，不要在某些地方卡太久（比如數學部分，比如編程基礎），先學下去，學完。瞭解大的框架之後，以後用到哪裏，再回過來補也不遲。
3、機器學習的各種算法沒必要樣樣精通，前期，常用的比如LR、樹模型、RF、XGBoost等等掌握好就不錯了。
4、我身邊一些優秀的程序員、分析師、工程師都非常推崇“做中學，學中做”，無論是書本還是視頻，看到一些好的方法和技巧，要立即自己實現一遍。看起來非常簡單的東西，真真動手的時候纔會發現自己的不足。快速學完上述內容就儘快開始實踐吧，可以先復現天池或kaggle上優秀的notebook，然後就參與一些入門競賽。
5、如果你已有工作，最好的還是在業務中尋找機器學習應用場景，然後嘗試去開發一個適用的模型。不懂就搜索，學習。這是我所知最好的，最有價值的學習方法。
6、輸出也是特別好的學習方式，輸出就是把新學到的知識用某種方式講給別人聽，做到讓他們也能理解、學會。我比較喜歡寫筆記（我常用的是微軟的OneNote），然後把筆記整理成文章發到博客上。這樣不僅使對自己知識掌握程度的一種檢驗，發現薄弱點，也可以讓大家共同監督，相互學習，教學相長。
OK，以上就是所有內容。大家也可以加一下老胡的微信（領取可編輯版思維導圖），相互交流，圍觀朋友圈~~~
![]()
推薦閱讀
（點擊標題可跳轉閱讀）
老鐵，三連支持一下，好嗎？↓↓↓
本文分享自微信公衆號 - 機器學習算法與Python實戰（tjxj666）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。