人工智慧是乙個很大的圈子，但是基礎必然是機器學習
機器學習就是，你告訴機器你想做什麼，並且給他一堆資料，讓他去模仿著做。
乙個機器學習的常規套路
資料收集與預處理：爬取資料和簡單的打標籤
特徵選擇與模型構建：轉成計算機能認識的東西
評估與**
上圖所示，將資料按照體育類和非體育類分開
機器學習中有很多金典的演算法，既然要學習，那就需要弄清楚乙個演算法是怎麼來的（推導）以及該如何應用
數學非常重要，你肯定已經忘很多知識，合適的做法是邊學邊查
推導 是重中之重，因為對於我們來說學習的目的就是轉換自身的資本讓我們更有競爭力，面試與筆試的時候，這些推導全來了。
重點在於，如何應用，庫的使用，完整專案如何構建，從頭到尾的流程。
深度學習是機器學習中神經網路演算法的延伸，只不過應用的比較廣
深度學習在計算機視覺和自然語言處理中更厲害一些
那我是學機器學習，還是深度學習呢？一切的基礎都是機器學習，做任何事情沒有堅實的基礎只會越來越迷茫，機器學習值得你從頭開始
只有實際應用啦，才覺得沒白學，那麼去**找案例呢？ 最好的資源：github，kaggle，各大資源分享點
很少從頭開始去寫乙個專案，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！
案例的積累作用很大， 其實我們幹活是什麼樣的呢？
主要就是在模仿， 我們並不是科學家，能做事才能有用的，
既然人家是這麼做的，並且做 的不錯，那我們去模仿做出來的就是我們自己的！
習慣很重要，當你看別人的資料覺得掌握的差不多了，
其實你明天估計就忘的 也差不多了，
自己動手從頭開始做筆記（不是照抄人家的，是寫自己的）或者
部落格都是很好的選擇，只要你自己能寫出來了才算真正的掌握！
重要的是，自己捋一遍
機器學習 初識機器學習
1.什麼是機器學習？對於機器學習到現在都還沒有統一的定義，但是，通過乙個例子和較權威的定義來理解機器學習，最後附上我個人對機器學習的理解 2.監督學習 1 監督學習基本思想 我們資料集中的每個樣本都有相應的 正確答案 即每個樣本都是真實值，再根據這些樣本作出 舉乙個房價預售的例子來說明 eg 下面圖...
初識機器學習
學機器學習已經大半年了，現在才發現自己是初識機器學習。一開始學機器學習，真的以為它是個機器，學會了就可以拿來用，或是拿來改進。現在才明白，學機器學習的方法不僅要弄明白理論基礎和演算法思路，還要明白演算法的脈絡，它的每一步都是為什麼這麼做，掌握演算法背後的真正的思想，才能融會貫通，針對不同的問題提出不...
初識機器學習
機器學習 資料 資料 做為輸入 輸出 找到最合適的演算法公式 機器學習的分類 有批量 batch 數量的情況下可應用 監督式學習 知道輸入與輸出 半監督式學習是 知道輸入與部分輸出 無監督式學習 不知道輸出 對應著聚類 clustering 對於機器學習的輸出 1.有明確的分類 是 否 並且是用一條...