机器学习入门学习路线图-深度学习

　　机器学习需要使用Numpy，Scipy，Pandas，Scikit-learn，Matplotlib等开源工具，完成从数据清理、数据分析、模型构建，到最终的预测评估及可视化呈现。

　　学习路径既包含了机器学习算法的基础知识，又融合了大量的实战操作，还覆盖了深度学习的有趣样例，将为你了解并掌握一定的机器学习技能提供动力。

　　阶段1：入门知识

　　Linux基础入门

　　Vim编辑器

　　Github快速上手实战教程

　　Python3简明教程

　　阶段2：算法基础

　　深入学习《机器学习实战》

　　基于SVM的猫咪图片识别器

　　k-近邻算法实现手写数字识别系统--《机器学习实战》

　　Spark基础之使用机器学习库MLlib

　　决策树实战项目-鸢尾花分类

　　阶段3：基础项目

　　人机对战初体验:Python基于Pygame实现四子棋游戏

　　Python实现英文新闻摘要自动提取

　　使用Python实现深度神经网络

　　使用卷积神经网络进行图片分类

　　基于卷积神经网络实现图片风格的迁移

　　阶段4：开源工具

　　scikit-learn实战之非监督学习

　　scikit-learn实战之监督学习

　　神经网络实现手写字符识别系统

　　深度学习初探——入门DL主流框架

　　阶段5：进阶项目

　　Python应用马尔可夫链算法实现随机文本生成

　　神经网络实现人脸识别任务

　　基于无监督学习的自编码器实现

　　NBA常规赛结果预测——利用Python进行比赛数据分析

　　Python气象数据分析--《Python数据分析实战》

　　Twitter数据情感分析

　　ebay在线拍卖数据分析

　　大数据带你挖掘打车的秘籍

　　使用Spark和D3.js分析航班大数据

　　最后：

　　对于想要系统入门该技术的小伙伴请关注小编头条号私信回复“资源”即可获得机器学习全套视频教程资源。