研究生如何入门机器学习？

通过自己大半年的接触和了解，结合一些大佬们的需求，对于如何入门机器学习提出自己的几点看法。

如果你想要的以后做机器学习工程师、算法工程师及数据挖掘工程师等。可以好好看一下我提出的这几点想法！

先学机器学习，再学深度学习（大神建议）

⾄少精通深度学习的⼀个⽅向：CV和NLP。期间要插科打诨地复习好数据结构、数学基础和强化你的编程能⼒。

机器学习融合了概率论、线性代数、凸优化、计算机、神经科学等多方面的复杂技术，但是其实真正学的时候，最有用的还是线性代数和高等数学的知识，所以一定要把这两个科目的基础打牢。

1、数学功底：概率论、线性代数、⾼数、信息论（主要是信息熵那部分）。
2、数据结构：树、栈、链表、队列、图！慢慢琢磨吧。（要有优化算法复杂度的意识）
3、编程能⼒：请转移到leetcode、赛码阵营好好磨练。

书籍的话：《统计学习⽅法》（李航）、《机器学习》西⽠书、《深度学习》（Yoshua+Bengio+&+Ian+GoodFellow）、选看《PRML》对小白不太友好、《利用Python进行数据分析》

西瓜书的时候，整个人学完一天脑袋都是痛的，公式晦涩难懂，不适合新手学习，不是直接学习西瓜书。

非常推荐✨✨吴恩达（Andrew Ng）在 Coursera 上开设的机器学习入门课《Machine Learning》，这个大家在B站可能找到，但是切记一定要配合课后习题做，只学理论不会编程实现也是不行的~

台湾大学李宏毅教授的课程也不错，讲课生动有趣，并且有的内容是可以和Ng相互补充，还有唐宇迪的课也适合小白入门，比较通俗易懂，有时间的话建议一起看

深度学习的⼯具tensorflow和pytorch，可以找视频学习，可以买书看，学会其中一个框架就可以了的，更要学会看官方文档。

可以通过打比赛：京东、腾讯、天池、kaggle等提高自己的项目实战经验。

最后如果有需要的可关注公众H：AI技术星球，回复211

获取内含:深度学习神经网络+CV计算机视觉学习（两大框架pytorch/tensorflow+源码课件笔记）+NLP等
适用人群
①准备毕业论文的学生
②准备跳槽，正在找工作的AI算法工程师等
③自学和准备转行到AI领域的人
④想巩固AI核心知识，查漏补缺的人
论文/学习/就业/竞赛指导+大牛技术解答