GitHub超过3000赞的「机器学习路线图」，教你升级打怪全攻略

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

互联网的一个问题就是：信息太多。

对想要学习机器学习的人来说，信息太多也是一种困扰，开放的课程、书籍、框架、开源代码那么多，每套资料都有自己的好处，有人说这个课程好，有人说那个框架***用。

那么，对新手来说，究竟该从哪个开始学？学哪个合适呢？

一位名叫Giacomo Ciarlini的意大利小哥就发现了个这问题，为了帮老板带新人，他把机器学习领域所需要的知识都整理成了一条机器学习路线图：

从编程和数学开始，逐渐学会各种概念、方法、神经网络，之后研究开源项目，终将成为一代机器学习专家。

就像从新手村一路升级打怪到满级一样，你可以跟着这条路线图，成长为装备齐全、技能全面、经验丰富的大神玩家。

四个学习部分

首先，你需要做点准备才能开始自学机器学习。

提前准备

Python

Jupyter笔记本

数学

机器学习概况

先要会一门编程语言，机器学习界最常用的Python了解一下~

Jupyter笔记本也是常用的工具，不用下载，在Web上就能直接用，可以在线coding，许多重要的应用和教程也是在Jupyter上的，一定要学会。

***，搞机器学习一定要了解一些数学原理，还要了解一些机器学习的基本知识。

用Scikit-Learn做机器学习

为什么用Scikit-Learn?

端到端的机器学习项目

线性回归

分类

训练模型

支持向量机

决策树

集成学习和随机森林

无监督学习

回顾

之后，安装Scikit-Learn，这是机器学习任务中最完整，最成熟，记录最完整的库之一，然后就能照着路线图把后面线性回归、分类……的都学习实践一遍。

当然，每个知识点小哥都准备了一些参考资料，可以照着资料一步步来。

TensorFlow与神经网络

为什么要用TensorFlow？

TensorFlow启动并运行

ANN - 人工神经网络

CNN - 卷积神经网络

RNN - 循环神经网络

训练网络：***实践

自动编码

强化学习

下一步

现在，进入TensorFlow的世界。当然，现在越来越多的开发者认为Facebook出品的PyTorch是一个更好用的框架，不过TensorFlow依然是用户最多的框架。

一些实用资料

机器学习项目

数据科学工具

安利一些博主

现在，最基本的东西你已经掌握了，可以开始看各种丰富的资料，学习各种热门的项目了，记得随时关注***出现的突破性项目，不然就要跟不上机器学习界飞快的进步和突破了。

***，里面所有提到的资料课程，GitHub原文都有链接哦。

还有续集

除了机器学习，小哥还在准备商业智能分析和云计算架构师两个领域的学习路线图。

后面还准备出数据可视化、数据收集、数据预处理三个数据相关领域，如果未来需要“转职”可以考虑学习一下。

除了技术相关，小哥甚至还准备推出有效沟通、有影响力的演讲、务实决策三块内容的路线图，真是个技术转管理的全才，35岁以后也不会被淘汰。