最近整理了一下机器学习入门的学习路线，分享给刚开始接触的朋友。第一步建议先补齐 Python 基础，重点熟悉列表、字典、函数、类以及常用的数据处理库；第二步学习线性代数、概率统计和微积分中的核心概念，不需要一开始追求过深，但要理解向量、矩阵、分布、期望、方差和梯度的含义；第三步从经典算法入手，比如线性回归、逻辑回归、决策树、随机森林、支持向量机和聚类方法，学习时最好配合小数据集动手实现；第四步再进入深度学习，理解神经网络、反向传播、优化器和过拟合控制。个人感觉最重要的是坚持做笔记和复现实验，不要只看视频或文章。欢迎大家补充自己的学习经验。
