学习时建议先从大略的开始。
如果从最难的部分开始的话，很有可能你会气馁，会放弃，以是，不如在学习过程中制订一些小小的可实现的目标，让自己充满动力。

下面我就来分享一下我个人的学习经历，紧张分为六步：

1、选择一种编程措辞

首先，你得学会一种编程措辞。
虽然编程措辞的选择有很多种，但大部分人都会选择从Python开始，由于Python的库更适用于机器学习。

“Python是一个不错的选择”，它扮演着科学打算和数据剖析的主要角色（拥有如Numpy和SciPy这样的库），同时针对不同的算法，有丰富的库支撑。

2、学习代数、微积分、概率统计学的根本知识

如果你想理解机器学习更深层次的东西，学习这些知识是必不可少的，且会让你获益匪浅。
同时我们可以利用Python科学数据库如Numpy&SciPy的上风。
在学习不同的算法时，你须要将数据可视化，并学会利用在算法中用到的代数、微积分等观点属性。

3、学习Python库

机器学习库中已经写好了无数个Python库。
你就挨个学习吧。
在Python中，可以先从SciPy, PyBrain, Matplotlib 和Numpy开始学习，这些对你写机器学习算法都将十分有用。

实在，这也是学习人工智能的第一步。

4、Andrew-Ng课程

强烈推举Andrew-NG的免费课程，理解机器学习的观点及算法理论。

学习完他的课程往后，你对人工智能征象就会有一些理解了。

5、学习Scikit-Learn库

最强大的API之一，拥有各种算法功能强大的数据编码器（Algorithms Powerful Data Encoders）

强烈推举你看看这本书——Python Machine Learning Edition 2，中文名《Python 机器学习》第2版，作者Sebastian Raschka。

“我刚开始学习人工智能时就读了这本书。
读完本书，你就会理解如何实现机器学习中的各种算法”。

从机器学习算法理论（数学阐明）和优化方法到实战编码，本书涵盖了Python实战算法和Scikit-Learn API在Python中的运用等知识。

6、实战韶光

你也该当积极参加网络上各种编程竞赛。
这类竞赛一样平常都很耗时，但不管若何，你在刚开始的时候没必要一定要取得一个很高的排名，由于参加比赛的人都很精良。
刚开始，在他们面前你可能只是个无名小卒，但也别灰心，你只要每天持续练习，向每个人学习就好了。

就拿我来说吧，我在比赛中从来没进过前十。
但是，我仍旧在坚持。
由于想要取得排名的话，你须要投入大量的韶光。
而我的目标，仅仅是重在参与，学习更多知识罢了。

你也要记住你参加比赛的目标，不是通过得胜赢取百万奖金，而是为了学习。
排名真的不主要。
在机器学习比赛中，第一名的准确率是0.98598，而第500名的准确率可能是0.97198。
排名差异虽然很大，但他们的分数却很靠近。

这是个很长很耗韶光的旅程，它可能会令你感到怠倦，也可能会令你感到刺激。
如果你采取了我的建议，至少你会开始熟习机器学习领域，并理解之后将须要学习些什么。

人工智能的范围很广，纵然是某些很伟大的研究者，也无法节制人工智能领域的所有观点。
而你，实在也并不须要消化掉所有观点。
纵然真的有人理解了人工智能的所有观点，一周后或两周后，他也会有新知识须要补充。
由于，机器学习是不断更新的。

这是根据我自己的学习履历得出的结论，如果对你有帮助的话，请给我点个赞哦~

祝你好运！

文章转自知乎号“AI搬运工”