想学习机器学习，研一工科生，目前已掌握Python基础，请问学习的路线应该是什么样子的呢？

主要学习手段（个人经验）：算法靠练，模型靠看书和推导，深度学习靠看文章。写程序要思考。

关于做project练手：个人强烈建议，在你不明白svm，logit，decision tree，l1 l2 regularization，boosting，bagging之前，不要在project上花多功夫（e.g. 不要在武器库没建好之前一股脑参加一个kaggle比赛，然后期待自己取的不错的名次，很难而且这会耽误你的学习效率）

如果要练手，选一个简单的数据，比如说泰坦尼克，比如说预测房价，或者手写数字识别。这三个分别是：classification, regression, image recognization的问题。

自己写写data parser (如何快速的读取数据预处理数据？），自己写一个简单的算法（比如最简单的perceptron练手），自己写一个model的储存与读取程序（模型训练完了，怎样把训练好的模型存储起来，下次直接加载利用？），自己写一个model performance report的方法，尝试把自己的算法写成class而不是零散的method甚至一短script而已。培养写注释的习惯，基本上，100行代码注释也需要100行，甚至更多，因为你需要让你的同事看懂你的代码，让你的老板明白你的implementation计划。写程序的时候，时刻问自己写的程序的complexity是多少。

另：Deep Learning这本书很好，但是出版的比较早，18年有本新书 Neural Network and Deep Learning: A Textbook (IBM 的一个科学家写的）比较好懂，也包含一些比较新的内容。个人很喜欢他对深度学习一些结构的理解方式。不过这本书不包含localization的东西。

————————————————

算法：了解 complexity和掌握一些基本的算法 比如quick sort, quick select, dfs。这些算法会经常被用到。同时了解一些基础的数据结构 比如linked list, heap之类的。

统计：深度了解常用的模型, 模型的假设，模型的参数含义，训练方法。常用的模型（个人感觉ML应用以分类居多）：logit，svm，perceptron，kernel method，guassian mixture model等等。

概率：深度了解prior，likelihood，posterior的含义。深度了解统计学上的模型是如何从贝叶斯角度思考的。个人觉得，虽然单纯从实际应用讲统计派和贝叶斯派没有太大不同，但是弄懂贝叶斯派的想法，你对模型的含义会有更深度的理解。

技巧：机器学习一大核心问题在于模型的generalization。所以一定要掌握这些技巧，比如 regularization, ensemble, bagging等等

深度学习：这是目前的趋势，建议所有机器学习的朋友都研究一下深度学习的模型。其实在你有了良好的统计学概率学基础之后，深度学习很容易上手。搞图像，弄懂模型一路是怎么从alexnet到vgg到googlenet到resnet和inception的。了解每次模型大进步都是因为引入了什么理念。还有关于localization模型是怎么一步步从r-cnn到fast-rcnn到faster-rcnn，yolo，retinanet的。深度模型优化是怎么一步步从adaptive到rmsprop再到adam的（后来好像有个叫ranger的，还没来得及看），每次进步都解决了什么问题？初始化xavier为什么比random small number好，以及dropout batch norm是什么意思。GAN和NLP也是差不多的学习套路。

书籍资料：PRML，ESL，MLAPP，Deep Learning四本神书。

职业路线：

算法+模型=Machine Learning Engineer

模型+数据库=Data Scientist/Engineer

算法+深度学习+模型=Applied/Research Scientist

掉包侠=五年内失业

Python经验分享

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

Python学习路线

这里把Python常用的技术点做了整理，有各个领域的知识点汇总，可以按照上面的知识点找对应的学习资源。

学习软件

Python常用的开发软件，会给大家节省很多时间。

学习视频

编程学习一定要多多看视频，书籍和视频结合起来学习才能事半功倍。

100道练习题

实战案例

光学理论是没用的，学习编程切忌纸上谈兵，一定要动手实操，将自己学到的知识运用到实际当中。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至优快云官方，朋友如果需要可以直接微信扫描下方优快云官方认证二维码免费领取【保证100%免费】。