目录
大礼包：
，傻瓜式安装，解决上述问题
（还给我们赠送了notebook写代码环境，库安装工具等）
为什么建议使用Notebook?主要原因在于它不光能写代码，还可以做笔记
尤其是代码需要一步步执行的时候，可以得到每一步结果并保留下来，在
可视化展示方面就更方便了！
如何学Python呢
初级内容便学边写，高级内容暂时不需要。
（我觉得语言只是一门工具，不需要先都学彻底了才能干活，边做事
边学习应该会更加深理解，忌光看书不练习）
Python这么多库，这么多函数，我需要都记下来吗？
（其实这些依旧是工具，记它干嘛？我觉得重点在于知道每个库能做什么
，大概用哪个函数，等实际用的时候还是需要查一查API的，这么多参数
都记下来不太切合实际，动手查的能力也很重要）
人工智能我该怎么学呢？
人工智能是一个很大的圈子，但是基础必然是机器学习
什么是机器学习呢？说白了就是你告诉机器你想做什么？并且给它一堆数据
让它去模仿着做！
（比如，咱们上高中，老师会告诉我们一个目标就是考高分，然后给我们一堆
练习册和答案，我们的目的就是让我们做的题的解和答案一致）
机器学习能做什么？
机器学习在数据挖掘，图像识别，语音和自然语言处理中有着广泛应用
机器学习流程？
特征工程
机器学习我该怎么学？
机器学习本质包含了数学原理推导与实际应用技巧
机器学习中有很多经典算法，既然要学习，那就需要清楚一个算法
是怎么来的（推导）以及该如何应用
我觉得与其从头过一遍数学，不如边学边查，一个
合适的做法就是哪里不会点哪里，我每天也在查很多知识点
不光要知其然还要知其所以然
在校的同学们：推导肯定是重中之重了，因为对于我们来说学习的目的就是
转换成自身的资本让我们更有竞争力，面试与笔试的时候，这些推导全来了
现在说的很火的深度学习是什么
深度学习是机器学习中神经网络算法的延伸，只不过应用的比较广
深度学习在计算机视觉和自然语言处理中更厉害一些
那我学机器学习还是深度学习呀？一切的基础都是机器学习，做任何事情
没有坚实的基础只会越来越迷茫，机器学习觉得值得你从头开始
算法推导如何开始？
找本书？找博客？找视频？ 都可以的，选择你喜欢的就好！
如果有一个地方死活看不懂怎么办？很常见的情况，我也经常卡在一个地方
好久，这时候有个圈子来交流当然更好（推荐找几个哥们一起，自己坚持下去
好累），不过我们也可以先继续前进，等回过头来再想想，没准就想通啦！
习惯很重要
当你看别人的资料觉得掌握的差不多了，其实你明天估计就忘的
也差不多了，自己动手从头开始做笔记（不是照抄人家的，是写自己的）或者
博客都是很好的选择，只要你自己能写出来了才算真正的掌握！
你真的是会了吗？自己理解了吗？自己要从头到尾的自己理出来才算真的掌握
机器学习怎么动手去做？
只有实际应用啦，才觉得没白学，那么去哪里找案例呢？
最好的资源：Github，kaggle（找数据和讨论），各大资源分享点
案例的积累作用很大， 其实我们干活是什么样的呢？主要就是在模仿，
我们并不是科学家，能做事才能有用的，既然人家是这么做的，并且做
的不错，那我们去模仿做出来的就是我们自己的！
很少从头开始去写一个项目，通常都是按照之前的某种套路照搬过来，
实际上大部分公司都这么做，建议大家先学会模仿，再去创作吧！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
