有python基础先学机器学习还是深度学习？

已经有一些Python基础语法和工程数学基础，同时希望将机器学习算法应用于机器人的传感器数据处理和实时图像识别，这种情况，建议如下：

首先可以开始机器学习的基础，了解一些基本的概念、算法流程，掌握常见的机器学习模型。比如线性回归、决策树、支持向量机等。这些内容可以帮助你理解数据分析和训练模型的基本原理。

什么是“机器学习”？机器为什么能够“学习”？3 赞同 · 0 评论回答​编辑https://www.zhihu.com/question/615745651/answer/3177206839

机器学习怎么入门啊！！！？0 赞同 · 0 评论回答​编辑https://www.zhihu.com/question/613140712/answer/3180408269

有一些机器学习的基础之后，可以逐步深入学习深度学习。深度学习是机器学习的一个分支，涉及到的内容有神经网络等复杂模型。你可以从基本的神经网络结构开始学习，然后逐步了解卷积神经网络（CNN）用于图像处理、循环神经网络（RNN）用于序列数据等。对于实时图像识别等任务，深度学习在处理复杂数据方面表现出色。

感觉python语法好多？入门深度学习应该学到什么程度？？？1 赞同 · 0 评论回答​编辑https://www.zhihu.com/question/611885420/answer/3164877048

在上述内容都掌握之后，就可以尝试进行一些实际的项目练习了。比如机器人传感器数据处理，你可以尝试构建简单的机器学习模型来预测特定的传感器读数，或者使用深度学习模型来识别特定的传感器模式。逐步增加项目的复杂性，以便更好地应用所学知识。

访问 GitHub: 打开你的网络浏览器，前往  GitHub 网站。
使用关键词搜索: 在 GitHub 主页的搜索栏中输入相关的关键词，比如 "robot sensor data machine learning" 或者 "real-time image recognition deep learning"。
筛选结果: 通过筛选结果，你可以浏览各个项目的标题、描述以及代码库。寻找与你兴趣相符的项目，可以关注星标数量较多的项目，因为这通常意味着这些项目受到了较多关注和认可。
浏览代码库: 进入项目的代码库，查看项目的文档、示例代码以及相关说明。这将帮助你了解项目的目标、范围和使用方法。
实际操作: 如果你找到了与你兴趣相关的项目，可以尝试克隆代码库到你的本地计算机，然后根据项目的文档和说明进行实际操作和学习。