基本概念
机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。
机器学习的例子
搞机器学习，深度学习，数学是躲不开的啦，千万不要看不懂公式就放弃咯
学习概要
机器学习实战中提到的算法
传说中数据科学的地铁图
上面都是唬人的，真要全学完再找工作你比张三丰还老了，我们边动手边学
Courses: 网上课程很多的, 本文只介绍入门级的
-[Tom Mitchell‘s CMU course]:http://www.cs.cmu.edu/~tom/10701_sp11/lectures.shtml
-[Andrew Ng‘s Stanford course on Coursera]: https://www.coursera.org/learn/machine-learning
Andrew Ng 吴恩达教授本人就是Coursera的创立人，后来被余凯博士介绍到百度任首席科学家，而余凯博士已经离开百度去地平线机器人创业了
-[Andrew Ng‘s Stanford’s CS229 version]: http://cs229.stanford.edu/
-[HW in python]: https://github.com/byronrwth/Coursera-Machine-Learning
-[Udacity]: https://www.udacity.com/course/intro-to-machine-learning--ud120
Books:
-[ML in Action 机器学习实战]: https://www.manning.com/books/machine-learning-in-action
-[Building Machine Learning Systems with Python 机器学习系统设计]: https://book.douban.com/subject/25899625/
-[机器学习（周志华）]: https://book.douban.com/subject/26708119/
-[统计学习方法（李航）]: https://book.douban.com/subject/10590856/
Python to learn
动手做项目前总要会编程吧，现在开源项目大部门都是 python，也有很多实践课程去学
-[CS212 Design of Computer Programs on Udacity] https://in.udacity.com/course/design-of-computer-programs--cs212/
Projects:
-[resource]: https://github.com/byronrwth/Machine-Learning-Resources
Competitions:
-[kaggle]: https://www.kaggle.com/competitions