目录

1. 技能准备

刚开始接触机器学习，需要做一些必要的技能储备，过三关：英语、编程与数学。首先，英语需要具备阅读与听力能力。当前主流的书籍、期刊等资料大多是英文为主，我们无法避免地要看很多英文资料。

其次，关于编程语言，首推 Python，因为其良好的拓展支持性，主流的工具包都有 Python 版本。在特定情况下，选择 R 作为编程语言也是可以的。编程语言学习推荐：

• Programming for Everybody: Python
• Learn R with R tutorials and coding challenges: R

最后，数学包括微积分、线性代数与统计学，可通过教育性非营利组织「可汗学院」学习。数学建议先搞定线性代数，推荐以下课程：

• 斯特朗教授的课程由浅入深，环环相扣：完整版-麻省理工-线性代数-全34讲+配套教材
• 配合斯特朗教授的其他课程学习，效果事半功倍：MIT《数据分析、信号处理和机器学习中的矩阵方法》课程

统计学习是机器学习的基石，推荐以下课程：

• Stanford : Statistical Learning 斯坦福大学：统计学习