回覆这个问题之前，我先说一下学习机械学习的两个误区：
1、误以为 学习机械学习，要先补齐所有的前期知识误以为 学习机械学习，要先补好所有 的数学基础，然后在学习python，最后学习机械学习的算法。
你可能听许多人说过，机械人学习需要很强的数学基础，然后你就疯狂地最先 补数学基础，你最先 学习线性代数、概率论等知识。
你的妄想 是7月份补数学基础，8月份学习Python,9月份最先 正式学习机械学习。抱着严谨的态度，你要把数学知识都弄懂了才举行 下一个环节。最后你的机械学习，始于数学而终于数学。以这样的心态学习下去，机械学习从入门到放弃，你可能不需要一个月。
学习机械学习，你不需要在准备阶段把需要的数学基础所有 都补齐才最先 ，你可以边学边增补。用的什么补什么，这样效果较量 好，而且印象深刻。
2、不要搜集过多的资料，要凭证 自己的需求搜荟萃适的资料。许多时间 的你们，学习一门语言或者课程的时间 ，都想着资料越多越好，不管用不用，我先网络 了再说。
这就导致了你的许多资料和视频都在百度云盘中睡大觉，正如你们看知乎一样，不管答主写了啥，先珍藏 再说，后期看不看我不知道，横竖珍藏 即是学会这一点准没错。这就导致了你们看了五花八门的帖子，还区分不出来答主所要表达的焦点看法。
以是 我说，选择你所需要的合适资料就行，好比你要学习自然语言处置赏罚 ，你就搜集自然语言处置赏罚 的资料，此外五花八门的暂时不要体贴，遇到很是好的资料也要分类区分一下。现在的偏向越来越多，资料也越来越多，你想都看完是不行能的。
有针对的选则是很主要 的，否则你就会像没有目的 的苍蝇一样，飞来飞去，最后啥也没学会。
下面说一下机械学习怎样 入门？1、准备一些数学资料（课本即可）你需要准备一些数学资料供你随时学习，若是 你着实 不放心可以先用几天的时间 温习一下。
线性代数：（1） 向量
（2） 基本看法、常见运算(向量加法、向量乘以标量、向量点乘)、向量性子 （线性相关、线性相关的几何意义、正交、 正交 vs 线性无关）
（3）线性变换与线性函数
（4） 线性变换、 线性函数（可加性、齐次性）
（5）矩阵
（6）m x n 矩阵、矩阵的基本运算、矩阵运算的纪律、矩阵与线性变换的关系、相关基本看法（矩阵的秩、列秩、行秩、满秩矩阵、子式、余子式、零矩阵）、对称矩阵、对角矩阵、可对角化和对角化、相似矩阵和相似变换、 正交矩阵和正交变换、 用正交阵对对称阵举行 条约变换、实对称矩阵、正定、半正定、负定、半负定
（7）特征值及特征向量
（8）界说、几何意义、特征空间、几何重数、主特征向量、尺度正交基、特征向量与系数方程、特征值的性子
（9）奇异值剖析
（10）主因素 剖析 （PCA）
概率论和统计学：（1）随机事务 的看法，概率的界说与盘算要领
（2）随机变量与概率漫衍，尤其是一连 型随机变量的概率密度函数和漫衍函数
（3）条件概率与贝叶斯公式
（4）常用的概率漫衍，包罗正态漫衍，伯努利二项漫衍，匀称 漫衍
（5）随机变量的均值与方差，协方差
（6）随机变量的自力 性
（7）最大似然预计
微积分：函数（求解函数的极值、剖析 函数的性子 ）
极限
上确界与下确界
导数（导数与函数的单调性、导数与函数的极值、导数与函数的凹凸性、向量与矩阵求导）
Lipschitz一连 性
一些公式（泰勒公式、牛顿-莱布尼兹公式等）
不定积分
定积分
变上限积分
常微分方程
梯度
链式规则
Hessian矩阵
多元函数（多元函数的极值判别规则、多元函数的凹凸性判别规则)
多重积分
2、学习python基础知识学习(1)许多人喜欢搞一本厚厚的书来看，虽然看完了可是 还不会用Python，这是最大的悲痛，可以选则一个网站举行 入门训练 。
(2)搭建一个Python情形 。
(3)然后学习一些常见的Pythonn库。
(4)找一些demo练手。
3、学习机械学习的原理知识学习机械学习的基本看法和算法的原理，你可以通过看书，看视频来学习。
喜欢看书的同砚 在入门阶段可以看李航《统计学习要领》、周志华《机械学习》。着实 看书是很无聊的，我推荐你们先去找一些网上的果真课程学习学习，好比吴恩达《Machine Learning by Andrew Ng》、李宏毅 - 机械学习果真课、贪心科技 - 人工智能与机械学习。
吴恩达先生 课程内容严谨，对数学欠好的同砚 们很友好，有时间 会数学问题会单独拉出来说。贪心科技的李文哲的课程对于小白用户照旧专业人士都很是友好，不仅仅会涉及到机械学习的知识还会说到一些基础的知识而且实操项目多，许多网课呢都是教一些基础知识然后给个demo，学起来很被动。
我建议你们刚最先 先找贴合现实 和自己感兴趣的课先看一下，作育 自己的兴趣，要否则你们可能一个月就从入门到放弃。
万万 不要一最先 是就学了一些不良的习惯，啥原理没学，就学什么最先 用Python调包，那不是算法工程师，那是调包工程师。
要从问题的界说---确定是有监视照旧无监视学习----相识 一些概率如样本集、测试集、特征 、标签等。
------学习相关的算法原理。
4、深入学习找到一个自己感兴趣的课程深入学习，随着步骤学习一些原理知识、算法、demo，附带项目实操。就好比我经由 较量 后选则了人工只能与机械学习的实践课，举行 系统的学习。
报课程的主要目的是找一些实战项目来牢靠 自己的基础知识，这门课笼罩了机械学习的所有焦点算法，最主要的是实战和理论的相团结 。
该课程从机械学习的基础知识最先 ，每个章节都市有demo或者项目练手，而且尚有 助理先生 答疑，解决自己不会的问题。
课程内容包是一门中级课程。面向以后 妄想 从事AI 岗位的职场人士以及在校学生。主要目的 是通过专业课程的学习掌握岗位所需的AI焦点手艺 。针对每一个焦点手艺 ，都有关于知识点的详细推导历程同时课程上面也配备了数十个案例来自差异领域、配备综合性的项目作业。不仅仅有理论课程尚有 专业的项目实操，通过实操将理论和实践团结 起来，真正做到学过了就会使用。
内容包罗包罗什么是人工只能，机械学习的妄想 、线性回归、逻辑回归、模子 的泛化、一些基础的算法和项目实战，通过将机械学习放进人工智能的大框架里学习，资助我们更好的明确 一些看法，将所学知识串联起来，掌握综合性的手艺 。
小我私人 体验：
1、知识点团结 项目的方式真的很是nice，不仅可以通过项目测试我们的基础知识的掌握水平，而且可以在项目中牢靠 基础知识。同时demo配合只看视频的被动学习，让我们的学习更自动 。该课程不管是对于机械学习起源 入门者照旧职场人士都很是友好，先生 的解说很是详尽 周密 。
2、所有训练 都可在平台在线完成，免去了许多下载软件搭配情形 的时间。这就镌汰 了许多小白用户的第一个难点，情形 的搭建，我熟悉 许多同砚 可能搭建个情形 要好几天甚至一周的时间。
3、课程的项目多而且全，项目贴合现实 生涯 ，让每个机械学习算法都不是高屋建瓴，都能落地。例如在课程中的零售场景中的用户分层，我们可以相识 到算法是怎么给用户分层的。而且可以相识 算法背后的商家的一些套路和提高用户体验的要领。
可以设想一下， 公司最近要推广一个新的产物，需要去把新闻 推送给潜在的客户，发给哪些用户是个问题，这就需要提前做好用户分层，并把每个用户群体打上响应 的标签，之后再做针对性的推广。在这个项目，用到了经典的RFM模子 、基于AI驱动的K-Means聚类剖析 法等。同时，也会涉及到效果评估、调参等细节。
课程团队由李文哲、Jerry Yuan主讲，先生 都是业内资深工程师。
李文哲先生 曾任金融科技独角兽公司的首席科学家、美国亚马逊的高级工程师，先后认真 过谈天 机械人、量化生意营业 、自顺应 教育、金融知识图谱等项目，并在AAAI、KDD、AISTATS等顶会上揭晓 过15篇以上论文，并荣获IAAI，IPDPS的最佳论文奖，多次出席行业峰会发演出讲。划分在USC, TAMU，南开攻读博士、硕士和本科。在荷兰会见时代 ，师从AI顶级学者Max Welling教授。
Jerry Yuan拥有14年人工智能、推荐系统、自然语言处置赏罚 、数字图像和视频处置赏罚 项目履历 ，主导多款焦点推荐系统的研发，是人工智能、漫衍式系统、云盘算方面的专家。曾师从中国科学院王守觉院士从事人脸识别研究、配合揭晓 论文。在美国博士时代 ，主要研究NASA（美国航天局）支持的基于人工智能的空间天气展望 项目。先后在AI相关聚会会媾和 杂志上揭晓 过15篇以上的论文。
5、项目实战与项目总结（1）自己去寻找项目实战，你可以通过你的先生 学校找到一些项目，或者是去开源网站如git。这个阶段你主要是要相识 现在 企业一样平常 用到的主流算法，这些主流算法解决现实 中的谁人 问题，效果怎么样。并查阅相关论文，看看有没有什么能优化的地方，若是 让你来做，你会选则什么模子 ，什么算法。中央 遇到问题怎么解决。
（2）课程项目
若是 你报了一个系统的课程，你就只需要老忠实 实把课程后的项目都给完成了，这些课程都是企业最新的项目积累。例如广告点击率展望 ，情绪 剖析 项目、信用卡诓骗 展望 都是现在热门的项目。
在这个项目中你学习到了哪些知识，要总结复盘，用到哪些经典的算法，有什么优点有什么弱点 。对比用过的算法总结出自己的代码库或者是项目库。
给自己准时 间妄想好比我自己的学习妄想
第一天——相识 python并安装好情形 ：去网站上下载一个python下载版本，搭配好运行情形 。
第一周密 第二周——整理好所需要的数学资料，并抽闲看一下，把自己会的不会的都标志一下。下载一些python的学习文档，好比《简明Python教程》，《笨措施学Python》等等。通过学习语法，掌握python中的要害字语法，函数语法，数学表达式、变量、数据结构、语法等等等
相识 Python是什么，都能做些什么？ 知道什么是变量、算法、诠释 器 Python基本数据类型 列表和元组的操作要领 字符串操作要领 基本的字典操作要领
掌握 if、else、while、for、continue、break和列表推导式等这些语句的使用，尚有 法式中的异常处置赏罚 。
第三周——找一些机械学习的果真课看一下，作育 自己的兴趣，确定适合自己或者自己较量 感兴趣的先生 。
第四-第十二周——找一门合适的课程系统的学习一下，主要学习问题的剖析 ，遇到什么样的问题选则什么样的算法，算法的原理知识，学习demo及自己拆解研究demo。
第十三周——实验做点小项目，实验用一些算法解决我们项目中遇到的一些问题，看看能处置赏罚 到什么田地，一样平常 手艺 都是为营业 服务的，实验处置赏罚 现实 的营业 。现实和理想差距照旧蛮大的，以是 说实践是磨练 真理的唯一尺度。
第十周围 以后——复盘总结。
注重 事项学习机械学习要注重 以下几点：
(1)光看书=白看
a、 剖析算法原理，使用软件工程中最经典的2/8原则。看某个算法能否解决百分之80的问题，剩下百分之20的在想措施解决。
b、 使用 番茄学习法来学习。
c、 整理自己的模块代码形成我们自己的代码库、算法库。
d、 天天 记得复盘。
(2)熟悉Linux操作系统
Linux操作系统的学习内容旨在资助各人迅速掌握怎样 使云服务器和Linux操作系统。Linux操作系统是多数企业部署的服务和产物所使用的操作系统情形 ，可以在Windows或macOS这类对用户更友好的操作系统上举行 项目项开发，可是 最终这些项目很有可能被部署在云服务器和Linux操作系统上。
(3)相识 python的一些工具
编译软件：Spyder、Eclipse、PyCharm、Visual Studio Code
随便下载一个熟练使用它，掌握它的快捷键。
(4)学习算法原理
这个阶段一定要耐得住寥寂，不要感受原理知识都是数学就放弃，试着自己推导公式，逐步 来，逐步 磨。这个阶段很痛苦，可是 却很有用。
(5)其它的建议：
基础知识+视频+项目实战，循环渐进的学。使用复用的头脑 模子 +专项训练 的方式，可以提高你的学习效率。
你还需要相识 一些行业的营业 ，手艺 都是服务营业 的，营业 明确 不清晰 ，开发也是在走弯路。写代码时间 ，想清晰 再写阻止 推倒了从来。