#链接: /longxinchen_ml/article/details/50749614.
/han_xiaoyang/article/details/50759472
文章是简单版的学习路线图；
理论+实践才是能否学会的关键点；
其他需要的资源，需要的时候再找，毕竟从入门到放弃从来都不是因为找不到资源。
机器学习路线图
理论基础
机器学习基础
问题种类
分类问题：提取特征判别结果
回归问题：预测结果
聚类问题：样本数据自动分类
机器学习的典型方法
【分类】
逻辑回归、支持向量机、随机森林、朴素贝叶斯、深度神经网络等
【回归】
线性回归、最小二乘法、逐步回归
【聚类】
K-means、密度聚类
数学基础
微积分
线性代数
概率与统计
实践
编程
语言：Python
库：scikit-learn、libsvm
深度学习框架：Tensorflow、Keras
操作系统：Linux、 windows+Anaconda
大数据相关： Hadoop、 Spark