机器学习入门计划

机器学习入门学习计划

下图是网上推荐的机器学习入门学习大概的路径图：

         在了解了一些内容之后，我也按照这个图做出学习计划，计划尽量详细，并列出一些时间期限，同时定期写一些总结，来记录自己的学习过程，同时也让自己可以对自己学过的内容进行温习。

      如上图所示，机器学习需要一定的编程基础，数学基础，而后还要掌握机器学习中的一些经典的典型算法。而且这三个基础也是需要并行学习的部分。因为机器学习是一个将数学只是/算法理论和工程实践紧密结合的领域，需要扎实的理论基础帮助引导数据分析与模型调优，同时也需要精湛的工程开发能力去高校化的训练和部署模型与服务。 故学习计划也从这三个方面的学习来安排。

      数学基础：1.微积分  2.线性代数 3.概率与统计

      编程基础：1.C++/JAVA  2.Python

      典型算法： 1.回归问题的算法 2.分类问题的算法 3.聚类问题的算法 4.降维的算法 5.推荐系统的算法 6.模型组合和提升的泛等

具体的学习计划：

       数学知识方面：每天早上时间看数学方面的书籍，具体包括数值分析，数理统计，线性代数

       典型算法： 现阶段每天中午看斯坦福大学的机器学习课程，每节课涉及的内容都要认真总结

       编程基础：目前阶段先每天晚上看些数据结构与算法的知识，并用C++进行实现。

2016年3月7号