1.路線圖

這個世界上有這麼一種人，做事情喜歡從源頭做起。如果要砍柴，一定要先把刀磨好。如果打算健身，一定會買齊全套裝備，並研究健身的理論。如果決定減肥，必須先大吃一頓，以示決心。否則做起事情來，心裡沒有底。

我就是這種人！所以為了學習機器學習，我們來看看要先準備寫什麼。機器學習的理論是必須要學的，這些理論和線性代數、概率論關係比較大。另外，機器學習的子集深度學習，是在之前的神經網路的基礎上發展起來的。而神經網路，是對真實神經系統的模仿。所以，為了學習深度學習，還要對神經系統，對人腦有一個基本的了解。這是理論的部分。

機器學習不能只停留在理論上，應用部分也非常重要。尤其是對希望找到高薪職位、走向人生巔峰的青年更是如此。要應用，首先要會編程。雖然PHP是世界上最好的語言，但是這裡我們應該學Python，因為Python里有很多現成的機器學習代碼包。編程需要一個編輯器，所以要學vim。其次，要有數據。數據之於機器學習，就像食材之於做菜。所以，為了獲取數據，我們要學爬蟲；為了保存數據，我們要學資料庫。為了學爬蟲，我們要了解計算機網路、TCP協議；為了學資料庫，我們要知道數據結構；如果數據量非常大，我們要學分散式，要學spark。而這一切，都是在電腦上操作的。所以我們要先有台電腦。

現在，學習機器學習的路線圖已經理出來了：

1. 挑選一台品牌電腦；或者購買配件自己組裝一台（一天）
2. 為這台電腦安裝Linux操作系統；為什麼選擇Linux，因為它看起來比較專業（一天）
3. 了解計算機基本原理、TCP協議（一天）
4. 學習Linux操作系統的使用、shell
5. 學習vim
6. 安裝mysql，學習sql
7. 學習Python基礎語法
8. 學習mongo
9. 基本的數據可視化
10. 爬蟲
11. 機器學習基礎理論
12. 一個實際的應用例子
13. 為了大數據，搭建yarn+spark環境，並學習python+spark編程
14. 了解神經系統的基礎知識
15. 神經網路基礎理論
16. 一個神深度學習實際應用的例子
17. 入門慶祝

這個路線圖，是相當科學的。首先，它的學習曲線比較平穩，從最容易的購買（或組裝）電腦，到使用深度學習解決一個實際問題，不會一上來都難到讓人想放棄。其次，它最大限度的遵循了追本溯源的原則，讓人感到十分的踏實，不必擔心錯過了什麼。

讓我們開始吧。

推薦閱讀：