[MachineLearing]6步進入機器學習領域（譯）

step 1:搞定python基礎

google兩天python實訓課程（視頻）
https://www.youtube.com/watch...

step 2:機器學習基礎

課程1（Tom Mitchell Machine Learning Lectures）：http://www.cs.cmu.edu/~ninamf...
課程2(Andrew Ng’s Machine Learning course)：https://www.coursera.org/lear...
課程3（課程2的筆記）：http://www.holehouse.org/mlcl...

step 3:科學計算包（神器）

numpy, scipy,matplotlib,scikit-learn,pandas

scipy課程：http://www.scipy-lectures.org/
pandas入門：http://pandas.pydata.org/pand...
對於 scikit-learn 的總體介紹，它是 Python 最經常使用的通用機器學習庫，完成如下網站內容的學習：
1：https://github.com/justmarkha...
2：http://nbviewer.jupyter.org/g...

step 4:接觸機器學習中經常使用的算法（主要思考能使用在哪些領域）

1:k-means 聚類
2:決策樹 (分類）
3:連續數字變量的預測
4:迴歸解決分類問題

step 5:機器學習高級主題

1：Support Vector Machines
2：隨機森林，一種集成分類器
3：降維是一種減小問題涉及的變量數目的方法（ Dimensionality Reduction ）
小結：
最經常使用最知名的機器學習算法（ knn 最近鄰，k-means 聚類，支持向量機），瞭解了一種強有力的集成方法（隨機森林），涉及了一些其餘機器學習支持方案（降維，模型驗證技巧）。在一些基礎機器學習的技巧的幫助下，咱們開始有了一個漸漸豐富的工具箱。

step 6:基於神經網絡的深度學習

http://neuralnetworksanddeepl...
借用Caffee框架，學習解決本身想要解決的問題
https://github.com/google