下面給大家整理了下機器學習從入門到進階的基本流程，主要側重進階部分。
一、機器學習入門必備知識
上圖是人工智能與機器學習、深度學習的關系以及隨時間發(fā)展的演化圖。如今在工業(yè)界中，機器學習和深度學習都有著舉足輕重的地位，二者解決的問題多有不同：機器學習擅長解決可結構化數(shù)據(jù)的分類預測問題，如房價預測、患病預測等；而深度學習更側重非結構化數(shù)據(jù)的部分問題，如圖片分類、文本分類等。
作為機器學習入門，當然是推薦課程和書籍，下面是想要入門機器學習的一些基本書籍和課程。
1、《數(shù)學之美》，作者吳軍。這本書非常適合入門去看，講的非常通俗，沒有那種通篇上來就列一堆公式的情況，把這邊書好好讀讀，你會發(fā)現(xiàn)算法是非常有意思的，能夠解決很多問題。
2、《深入淺出數(shù)據(jù)分析》，這本書主要講解數(shù)據(jù)分析的一些基本概念和知識，也適合入門閱讀。
3、《MySQL必知必會》，這本書主要是講解MySQL的，想要入門AI，基本的SQL還是要懂得。
4、《機器學習》，作者周志華，這本書可以說是機器學習入門的法寶，不但是入門書，并且值得你后期甚至大后期不斷細細研讀，入門必看，進階同樣重要。
5、《斯坦福大學公開課 ：機器學習課程》，吳恩達大佬的斯坦福公開課，這也是入門課程，不過，這門課建議從入門到后期反復看，因為入門直接看可能完全看不懂，還是需要基本知識儲備的。
6、其他課程，可以有選擇的在直播平臺上買一到兩門課，從頭到尾跟著老師學習，直接聽上面的吳恩達大佬課程可能很難直接跟上，有一兩門入門視頻課還是能加快學習速度的，另外提一點就是，入門不需太多，但是最好買一門質(zhì)量高的，這樣一般會有老師答疑還可以有群很多人交流，不至于學著學著堅持不下去，堅持也是很重要的。
二、機器學習進階必備知識
在有了上面學習的基本功底之后，就可以考慮進階學習了，上面的入門知識可能要花費你3個月甚至更長的一些時間，但是無需過于糾結，上面搞不懂的問題，在進階部分還可以繼續(xù)研究。
機器學習進階，所要學習的知識會開始偏向于具體算法和編程實踐部分了，這部分建議不要貪多，可以采取各個知識點逐個突破的方法，各個算法挨個擊破辦法，先給大家推薦幾本靠譜的書籍：
1、《機器學習》，作者周志華。對，又是它，不要小看這本書，他會伴隨你整個學習過程，這本書個人感覺并不是每個算法講的都很好，對于算法各個擊破，建議像決策樹、隨機森林、樸素貝葉斯和集成算法好好看看，這部分寫的很好，像決策樹，基本上按照它講的，完全可以手工擼代碼實現(xiàn)，很贊的。
2、《統(tǒng)計學習方法》，作者李航。這本書可以說是進階利器，要想把機器學習里面的算法搞明白，這本書一定要好好讀讀，建議這本書里面的SVM、KNN算法好好看看，這本書講的非常明白透徹，像SVM很多書省略很多步驟，講的不夠透徹。
3、《機器學習實戰(zhàn)》，提著籃子背著鋤頭的那本書，這本書非常適合同時結合上面兩本書一起看，個人認為是機器學習的“三劍客”，這三本書好好看看，跟著步驟擼點代碼，了解的會更深入的。
4、《利用python進行數(shù)據(jù)分析》，這本書非常重要，上面講的是算法原理，要是真正將算法應用于實踐，有相當大的一部分工作量是要對數(shù)據(jù)進行處理和分析的，機器學習中的數(shù)據(jù)多數(shù)都可以轉(zhuǎn)化為DataFrame數(shù)據(jù)來進行建模，數(shù)據(jù)分析學會了，實際應用也就不遠了，不過，關于數(shù)據(jù)分析，實踐非常重要，只看書是不夠的，這部分建議找一門課或者買一門課跟著學效果會好。
5、《python自然語言處理》，這本書主要是講自然語言處理的，也是一個比較重要的分支，有感興趣的可以學一下
6、《Neural Networks and Deep Learning》，作者 Michael Nielsen。這本書可以作為深度學習的入門和進階，這本書要好好看看，講的非常好，手把手教你深度學習。
7、deeplearning.ai，作為機器深度學習的進階課程，這也是一部利器視頻，好好看看，能學不少東西
8、其他課程，這部分需要學習的東西比入門多了很多，要想把這部分學好，需要花費大量的時間去看書，但是如果一直在看書，沒有實踐項目，會很難堅持下來，建議小伙伴們找一門從頭到尾帶你學習的課程，一邊看書一邊學，效果更佳。
三、機器學習學習方法
上面已經(jīng)較為詳細的列舉了小白或者是有基本功的小伙伴學習機器學習的必備知識和課程，有了這些作為儲備，你的硬件資源就夠了，相當于有了教材和課件，但是學習有了這些東西是不夠的，如何去學，如何高效的學以及步驟和側重點也很重要，下面就給大家列舉下學習過程中的一些問題。
1、切勿掉入書山中，實踐理論結合重要
在列舉了上面的學習后，很多人可能會一頭扎進書山中埋頭苦讀，讀完一本接著一本最后發(fā)現(xiàn)什么都懂點什么又都沒懂，這樣效率是很低的，如果你是搞學術的不在此范圍內(nèi)，相信多數(shù)人還是偏應用，從事相關工作，在IT界，實踐才能學到東西，不要一直看書，可以邊看邊試試寫點代碼，實現(xiàn)個小公式，小算法，這樣進步快一些。
2、采取并行學習法而非串行
這幅圖可以作為學習的基本流程，但是未必需要前面具備才往后進行，可以一邊學基礎，一邊寫代碼，一邊還可以做比賽，這樣可能前期痛苦些，但是后面會學得快。
3、建立知識框架，修補知識漏洞
上面這幅圖是是sklearn的機器學習算法筆記，你可以在學習中去建立類似的筆記，有助于建立起整個學習框架，對于不懂得，再不斷從細節(jié)去學。
4、找到適合你的課程，跟著從頭到尾學
如果你是上班族或者是在學校里面而沒老師給你講這門課，那么報一門適合你的課程從頭到尾跟著學就非常重要了，不要過于相信你的自制力，沒有人和你一起學，你學了很久也看不到自己有何進步，慢慢興趣就沒了，所以找到能從頭到尾給你講的課程也很重要，這個大家可以多對比多發(fā)現(xiàn)，總有一款適合你。
原文鏈接：https://www.toutiao.com/a6558305045509571076/
