20190830—个人一周学习回顾

20190830—个人一周学习回顾

所学内容

1. 《Python机器学习》第一章
2. 《Hands-On ML 》第二章
3. Jupyter Notebook使用
4. MarkDown语法

交流提纲

1. 《Hands-On ML 》这本书相比较《Python机器学习》更加适合我们现在入门，它是从一个实际工程的角度出发，假设你本人就是一个数据分析人员，带领你一步步的去解决实际问题，角色代入效果好，而且书中英文较为基础，既能说明问题，又浅显易懂。相比较而言，《Python机器学习》则更加“硬”一点，书中公式、理论性的东西较多，对于我们零基础初学者而言，不友好，不利于入门，有“劝退”效果。

2. Jupyter Notebook是一个交互式的编程环境，前身为IPython，比较多的应用于数据分析、机器学习等领域，大多数机器学习的实例、教材以及相关的竞赛所使用的均是Jupyter Notebook作为他们编码、讲解的工具。相比较于传统的IDE，如PyCharm等，Jupyter Notebook的优势在于它将代码和解释说明性的文档以及代码运行所产生的结果，如图片等，集合到了一起，一同呈现给用户，即在一份Jupyter Notebook文件里，既有可运行的代码，又有说明性的文字，图表等。这得益于Jupyter Notebook使用了cell的概念和技术，每个cell可以看做是一个独立的块，一个Jupyter Notebook的文件就是有多个cell组成的，cell里可以写代码，也可以写Markdown文档***（一个cell里不能既有代码又有文档），可以独立运行当前cell的代码，可以运行当前cell之前、之后的cell里的代码（我觉得这主要得益于Python是一门解释性语言，Python的执行本来就是一行一行的，如果是C语言这种编译型的语言，可能就没法通过这种方式实现）*。在机器学习、数据分析领域，其编程实现的过程往往不是“一锤子买卖”，基本上都是循序渐进的方式，需要先观察数据的一些基本信息，还需要根据程序运行的结果进行调整，这个过程需要频繁的“编码”-“画图”-“观察”-“再编码”，一步步的完成最终的编码，有点“增量式”开发的意思，因此机器学习、数据分析领域中jupyter notebook使用的比较多。P.S: VS Code支持Jupyter NoteBook的这种使用方式，但是有点绕，它启动了Jupyter NoteBook后，左边，右边都能写代码和Markdown，我就不明白了，到底最终保存的是哪个？

   这部分内容可参考为什么机器学习领域往往Jupyter NoteBook使用的较多里“子珂”的回答

3. Markdown语法以及Markdown编辑器是用来写文档的，受众大部分是程序员或者专注于内容，对排版没有很丰富需求的文字工作者。它通过一些简单的标记语法来实现诸如标题、加粗、斜体、编号、表格、超链接、插入代码、图片、数学公式（基于LaTex语法）等操作，你只需要专注于生产内容，它自动完成排版，而无需像word那样手动去设置各种样式、格式等。这种编辑方式比较省心，但是这是一把双刃剑，它提高了效率，也丢失了自由度（样式固定）。我个人感受是，对于日常普通的记录、写作等，还是很好用的，相比于word，更轻量化，自动排版的效果也很好看 (也可以通过内嵌HTML的形式来实现一些相对比较复杂的格式，比如修改字体、字号、颜色等) 。而且博客、邮件等于都支持Markdown语法，花点时间掌握一下还是很有必要的，基本上我现在写东西首选Markdown。推荐Typora这个编辑器，界面极简，实时渲染，所见即所得，提供了快捷键方便操作。

需讨论的问题

• Numpy，Pandas等数据分析、处理、画图模块还需不需要专门花时间去学？
• 确定《Python机器学习》和《Hands-On ML》这两本书学哪个？
• 前一阶段的Python学习告一段落，需不需要搞一个练手项目？（如：接口协议图形化输入，自动生成接口测试数据）