好歹自己也是經歷了多年的學術訓練，對于在一個新的領域怎樣入門還是好歹有些心得的释液。機器學習作為一門成熟的學科，我相信只要能夠成體系的把相關的學科知識掌握，總能夠獲得機會去實踐中去鍛煉自己的能力橄务。
所以，參考網絡上大神們的各種課程穴亏，自己應該也大概總結一下蜂挪，自己接下來這些時間需要完成的課程重挑，先把內容整理羅列出來，再設定時間表吧棠涮。
學習目標
- 數理統(tǒng)計和概率分析
- 基本的假設檢驗
- 高級假設檢驗：非參數假設檢驗（Nonparametric Hypothesis Testing）
- A/B實驗谬哀，以及實驗設計
- 因果推論工具，使用簡單的因果推論工具對實驗數據進行分析故爵。
- 對時間序列數據進行分析
- 基本的計算機算法玻粪、建模能力
- 傳統(tǒng)的機器學習算法模型，分類诬垂、回歸劲室、聚類
- 概率圖模型
- 深度學習模型
- 優(yōu)化算法
- 基本的計算機算法、數據結構结窘、數據庫很洋、操作系統(tǒng)
- 數據分析語言
- Python、R
- SQL
- Hadoop
- 實際應用
- 使用某種計算機語言來實現一些機器學習算法
- 使用和擴展現有的計息學習工具（Scikit Learn隧枫、XGBoost喉磁、Vowpal Wabbit）
- 使用以Hadoop為基礎的大數據工具（Hive、Pig官脓、Spark）構建生產環(huán)境
- 了解深度學習框架（TensorFlow协怒、Caffe、MxNet卑笨、Torch）
