求大神指导!不会 Python 怎么入门去学习机器人学习..

读研

机器人学习是什么玩意，这个和 python 有什么关系？

是机器学习吧

机器学习

机器学习不是 py 才行啊，C、GO、PHP 都行

@Takahashi 你确定 PHP 可以？

@anyele php 的 PHP-ML 库是可以的 但是 php 的机器学习还没有 python 成熟...

@anyele 是可以的，不过很弱。。

那就去学啊，想那么多干嘛

学啊，Python 基础语法 3 5 天就能搞定了吧

如果连学 python 都觉得困难，难道还能学会机器学习？

@Takahashi 肯定不行啊, PHP 连个库都没有

楼主，我入门 Python 只用了 2 天
我觉得#11 说的很对，Java, C++, Matlab 搞机器学习也挺好，不过还是得学新语言

我想起了之前有个 PHP 想入门大数据分析

先买个体重秤

机器学习的重点不在语言， 除非想写出漂亮的代码，否则 Python 水平不是很重要。
机器学习是一个非常广阔的概念， 现在火的其实是深度学习。
至于怎么入门， 推荐看吴恩达的 cs229 上面的 notes，从最简单的线性回归，到 Logistic 回归。
如果对深度学习感兴趣，基础 ML 知识学完后，就可以接触深度神经网络。
主要是 Hinton 提出的那一套理论，包括 BP 算法等
下面就是 RNN，CNN 等已经成熟的网络。
再下面就到了 Research 阶段。

基本的高等数学知识是必须的：微积分、线性代数、概率论

路，还要一步一步走吧...

有决心做研究的人可以看 PRML， 不过快速入门的建议看李航的《统计学习方法》
想直接用 Python 做点简单的东西可以看 Toby Segaran 《 Programming Collective Intelligence 》
深度学习可以看 Bengio 出的同名书籍《 Deep Learning 》
另外，不建议看现在国内的各类书籍。不怕喷，99%没有阅读价值。（不过还有 1%）
亚马逊充斥着翻译 TensorFLow 的烂书。

另外，还是要建议你搞清楚自己想要做什么，是做 Research 还是只是想用机器学习的知识做一点小东西？

机器学习和机器人学习完全不是一个东西...
而且，机器学习需要的从来都不是你的编程能力啊，python 基本语法几天就学会了，就算不会 python，js 也能做，然而并没有什么用，语言不是问题，算法和数学才是根本。

@Sapp 在慕课网了解了一下!感觉到了 算数和数学才是硬道理....

如#11 楼所说，你连 python 都没信心去学，还指望学 ML ？

建议先学高数

@ivechan 我当年看李航这本，无论看多少遍都看不懂。直到我看了 PRML，我才醍醐灌顶。

所以李航这本就是渣渣，初学者看不懂，已经从别的地方看懂的人也不会再去看了。

@LioMore 学大数据分析和体重秤有什么关系？

原来 python 几天就能学会，太牛了

楼上推荐 PRML 的有点过了，纯新手推荐吴恩达 Coursera 的机器学习课，用的是 MATLAB，你上了这个课再决定要不要继续吧，日如果还要继续，就读个研 /博。

去学啊，几天学不会，几十天还是够了的。

我觉得机器学习里面，和数学，理论论文比起来，Python 算简单的了

先上 coursera 上个 ng 的入门课，再确定要不要继续。
建议不喜欢数学就不用继续了，就算继续也只是调包侠。

phper 正在学习 ML 有成果了给大家分享。比起 Python 更该担心高数和算法吧。

额，语言不重要，数学才重要。。。

ML 最主要的是数学。。。

单纯觉得 MLAPP 比 PRML 更好一点

我是《统计学习方法》+PRML 入门的。当然，得有概率论和贝叶斯基础。将模型部署到生产环境的话用 c++和 Cuda 语言。

用 Lua 呗！

机器学习就是统计推断换了个名字，你用 r 或者 matlab 都是一样的。

乱猜你现在是产品？

现在机器学习很火吗

因为好卖书啊老哥，这东西上手很快，就是干 我目前就在深圳做这方面的工作

我看吴恩达的那个网络课程入门的。

看火不火去学东西太盲目了，而且目标太大，细分领域太多。
这个问题有种“我微积分还不会，拿到数学 Ph.D.该走哪条路”的感觉
要不把目标先定小一点？比方说 R+Python 的 Data Visualization ？

上 Coursera 上 Andrew Ng 的 Machine Learning 课，用 MATLAB。

学 lua，用 torch

要么先从细心开始？比如先把名字看清楚...

Andrew Ng 的 Machine Learning 比较不错，要么读个研究生也可以

机器学习是理论，python 只是具体实现的一种，起步用 matlab 吧

讲道理，py 只是一个简易的工具，py 都学不会 /不想学，ML 能学好吗？

读研是唯一出路

请问您说的“机器人学习”和我理解的机器学习是同一回事么？机器学习的重点不在语言，可以先了解这方面的基础知识，如果您想了解相关的理论知识，这个链接里有我平时写的一些笔记，希望能够对您有帮助： http://www.libinx.com/机器学习

@anyele 睁大眼睛看看 https://github.com/php-ai/php-ml

另外， python 不难啊, 学个 3~5 天就好了

@ipwx 也不能这样说吧，李航老师的书还是可以的，看 PRML 的时候醍醐灌顶的基础是你看了无数遍《统计学习方法》，再看 PRML 相当于是有人从旁边“点化”一样。所以，所以不同意《统计学习方法》是渣渣的看法。

@swordspoet …… 其实无数遍是夸张了，我也就翻过一两遍。

我初次看《统计学习方法》之前的状态是没上过什么课。

后来我上了本科的一些课，知道了个大概，这时候看《统计学习方法》，还是没个头绪。《统计学习方法》给我的感觉是它章节之间割裂太严重，没有穿插整本书的写作思路和哲学观，只是教给你一些零碎的算法（和公式），不能给你建立机器学习的思考方式。

这时候我听说 PRML，打算看，在第二章被劝退了。

后来我补了一年的概率论、微积分、线性代数、最优化方法和基础泛函（泛函学得最差，只知道了一些概念，没领会精髓），拿起《 Deep Learning 》这本书看。看了几个月，受益匪浅。这本书把 Deep Learning 的很多思考方法与哲学解释都讲了一遍，不单是数学。

再后来我才拿起来 PRML，这回终于不再劝退了。相距第一次拿起来已经过去了一年，终于能看懂了。

这回 PRML 看了之后收获简直巨大，把 Deep Learning 这本书没看懂的一些章节也搞懂了（比如 Variationa Approximation 相关章节、EM 算法在 KL-divergence 下面的理解等）。
- - - -

我说《统计机器学习》是渣渣可能过了，但是我觉得它的写作思路在《 Deep Learning 》和 PRML 的对比下确实差了一个档次。《统计机器学习》有其形而无其意，可替代性非常高。但是 Deep Learning 和 PRML 是形神具备，确实是经典之作。

读研是唯一出路 +1

另外三五天学会查文档算不上入门

先从算法开始 反正我看不懂。mlgb

以后不要说自己是 phper