學習人工智能需要學習那些知識？
機器學習入門指南（2021版）向大家分享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。
pdf版思維導圖，后臺回復：指南Python——書之前跟出版社合作，書柜里積攢了很多Python相關的書，這里推薦三本最有價值的吧。《流暢的Python》，很厚，比較全面，可以作為工具書常常翻看。《 從入門到實踐（第2版）》 非常全面，對新手還算友好，里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_versionPython——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，學習來會有點吃力，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。廖雪峰的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，這里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.htmlPandas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.htmlMatplotlib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。但這兩本我覺得都很不適合入門，尤其是統計學習方法，簡直就是上等武功秘籍，太過精煉，啃起來太吃力。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。周世華的《機器學習》是必不可少的工具書，還是必讀的，而且要反復閱讀，不過建議在看過視頻教程之后。https://datawhalechina.github.io/pumpkin-book偏應用的書，只推薦一本，其他的都不要看?。。。骸稒C器學習實戰：基于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：軟件工程方法與實現》現在無論是競賽還是工業界，boost模型都應用十分廣泛，分類、回歸、排序，XGBoost都能搞。最后再介紹一本我認為的必讀：《深入理解XGBoost：高效機器學習算法與進階》，作者是XGBoost開源社區貢獻者何龍。這本書以機器學習基礎知識做鋪墊，深入剖析了XGBoost的原理、分布式實現、模型優化、深度應用等。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。課件這里不單獨列出來了，下載鏈接我放到思維導圖里了。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著視頻學，因為初學機器學習算法，涉及很多公式推導，非常難理解，跟著視頻學起來會輕松不少。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作為補充，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，比較輕松愉快。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
系統地學習機器學習所必須的數學知識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，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，此書僅適于基礎特別薄弱的同學。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，以我的這一套為準，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。了解大的框架之后，以后用到哪里，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，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?？雌饋矸浅：唵蔚臇|西，真真動手的時候才會發現自己的不足?？焖賹W完上述內容就盡快開始實踐吧，可以先復現天池或kaggle上優秀的notebook，然后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，然后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），然后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。歡迎與我交流