人工智能已經(jīng)列入了的人工智能發(fā)展規(guī)劃中，并在未來扮演著越來越重要的角色，對于想要從事AI行業(yè)的小伙伴們來說，如何能夠快速、深入的掌握機器學習相關知識顯得尤為重要，那么問題就來了，AI智能該如何學習呢，下面給大家整理了下機器學習從入門到進階的基本流程，主要側(cè)重進階部分。
一、機器學習入門必備知識
人工智能與機器學習、深度學習的關系以及隨時間發(fā)展的關系。如今在工業(yè)界中，機器學習和深度學習都有著舉足輕重的地位，二者解決的問題多有不同：機器學習擅長解決可結構化數(shù)據(jù)的分類預測問題，如房價預測、患病預測等；而深度學習更側(cè)重非結構化數(shù)據(jù)的部分問題，如圖片分類、文本分類等。
下面是想要入門機器學習的一些基本書籍和課程。
1、《數(shù)學之美》。這本書非常適合入門去看，講的非常通俗，沒有那種通篇上來就列一堆公式的情況，把這邊書好好讀讀，你會發(fā)現(xiàn)算法是非常有意思的，能夠解決很多問題。
2、《深入淺出數(shù)據(jù)分析》，這本書主要講解數(shù)據(jù)分析的一些基本概念和知識，也適合入門閱讀。
3、《MySQL必知必會》，這本書主要是講解MySQL的，想要入門AI，基本的SQL還是要懂得。
4、《機器學習》，作者周志華，這本書可以說是機器學習入門的法寶，不但是入門書，并且值得你后期甚至大后期不斷細細研讀，入門必看，進階同樣重要。
5、《斯坦福大學公開課 ：機器學習課程》，吳恩達大佬的斯坦福公開課，這也是入門課程，不過，這門課建議從入門到后期反復看，因為入門直接看可能完全看不懂，還是需要基本知識儲備的。
6、其他課程，可以有選擇的在直播平臺上買一到兩門課，從頭到尾跟著老師學習，直接聽上面的吳恩達大佬課程可能很難直接跟上，有一兩門入門視頻課還是能加快學習速度的，另外提一點就是，入門不需太多，但是最好買一門質(zhì)量高的，這樣一般會有老師答疑還可以有群很多人交流，不至于學著學著堅持不下去，堅持也是很重要的。
二、南京人工智能培訓。機器學習進階必備知識
在有了上面學習的基本功底之后，就可以考慮進階學習了，上面的入門知識可能要花費你3個月甚至更長的一些時間，但是無需過于糾結，上面搞不懂的問題，在進階部分還可以繼續(xù)研究。
機器學習進階，所要學習的知識會開始偏向于具體算法和編程實踐部分了，這部分建議不要貪多，可以采取各個知識點逐個突破的方法，各個算法挨個擊破辦法，先給大家推薦幾本靠譜的書籍：
1、《機器學習》，作者周志華。對，又是它，不要小看這本書，他會伴隨你整個學習過程，這本書個人感覺并不是每個算法講的都很好，對于算法各個擊破，建議像決策樹、隨機森林、樸素貝葉斯和集成算法好好看看，這部分寫的很好，像決策樹，基本上按照它講的，完全可以手工擼代碼實現(xiàn)，很贊的。
2、《統(tǒng)計學習方法》，作者李航。這本書可以說是進階利器，要想把機器學習里面的算法搞明白，這本書一定要好好讀讀，建議這本書里面的SVM、KNN算法好好看看，這本書講的非常明白透徹，像SVM很多書省略很多步驟，講的不夠透徹。
3、《機器學習實戰(zhàn)》，提著籃子背著鋤頭的那本書，這本書非常適合同時結合上面兩本書一起看，個人認為是機器學習的“三劍客”，這三本書好好看看，跟著步驟擼點代碼，了解的會更深入的。
4、《利用
python進行數(shù)據(jù)分析》，這本書非常重要，上面講的是算法原理，要是真正將算法應用于實踐，有相當大的一部分工作量是要對數(shù)據(jù)進行處理和分析的，機器學習中的數(shù)據(jù)多數(shù)都可以轉(zhuǎn)化為DataFrame數(shù)據(jù)來進行建模，數(shù)據(jù)分析學會了，實際應用也就不遠了，不過，關于數(shù)據(jù)分析，實踐非常重要，只看書是不夠的，這部分建議找一門課或者買一門課跟著學效果會好。
5、《python自然語言處理》，這本書主要是講自然語言處理的，也是一個比較重要的分支，有感興趣的可以學一下
6、《Neural Networks and Deep Learning》，作者 Michael Nielsen。這本書可以作為深度學習的入門和進階，這本書要好好看看，講的非常好，手把手教你深度學習。
7、deeplearning.ai，作為機器深度學習的進階課程，這也是一部利器視頻，好好看看，能學不少東西
8、南京人工智能培訓，其他課程，這部分需要學習的東西比入門多了很多，要想把這部分學好，需要花費大量的時間去看書，但是如果一直在看書，沒有實踐項目，會很難堅持下來，建議小伙伴們找一門從頭到尾帶你學習的課程，一邊看書一邊學，效果更佳。
