工业革命是让机器干人干不了事，智能革命是让机器干人能干的事
机器学习是一门需要不断实验和试错的科学，拥有大量的数据几乎比拥有一个好的算法还要重要，没有一个机器学习模型能够对所有的问题都是最有效的。
下面介绍一下我将如何通过Python入门机器学习。
人工智能、机器学习、深度学习之间的关系
学习Python基本语法
首先我在Python官网找到入门教程，快速过了一遍Python的基本语法。相信对于稍微有点编程基础的人来说这都不是事儿。
作为实践，接着我用Python实现了一个基于命令行翻译脚本。到此Python算入门了。
这里啰嗦一下Mac下的Python环境的搭建过程。我在这篇文章中介绍如何处理系统自带和自己安装的Python版本。
Python机器学习相关库
Python有好多涉及机器学习的库，如Theano、TensorFlow、PyTorch、scikit-learn等。考虑到scikit-learn（以后将简写为sklearn）对机器学习进行了高度封装与抽象，能够让初学者跳出数学的梦魇进行机器学习实践，我选择它作为入门的跳板。
除此之外还需要学习下面几个Python库，用于数据处理或者科学计算等。
numpy：提供强大的N维数组及相关操作的库，参考NumPy快速入门笔记。pandas：提供类似关系型或标签型数据结构的库，参考Pandas快速入门笔记。
scipy：集成众多数学运算函数的库，请自行参考官方文档。
* matplotlib：把数据绘制成图像的工具，可以参考Matplotlib快速入门笔记。
从0 到 1，机器学习入门指南
从0 到 1，机器学习入门指南介绍的内容为：
深入原理
sklearn能够以黑盒方式提供机器学习算法的实现，这对初学者是有利的。但是如果仅仅停留在这里显然是不够的，如果不掌握一定的基础知识与原理，我们无法对显示问题进行建模与选型。所以在学习了sklearn的算法后，一定要查阅相关文档，了解算法背后的知识与原理。
写给大家看的机器学习书
还有很多包括视频我就不一一截图了，需要这些资料的可以先关注小编，转发评论，私信小编回复006、008即可领取资料。诚信小编！！！