求大神指导!不会 Python 怎么入门去学习机器人学习..

[ydxred]

机器人学习炒得这么火,就连图灵转发微博送书的活动关于机器人学习的书都有好几本了,作为一个 phper,不会 python 怎么入门去学习机器人学习,求大佬们给一个路线,谢谢...

[oisc]

读研

[yanjunjie]

机器人学习是什么玩意，这个和 python 有什么关系？

[Ck140]

是机器学习吧

[ydxred]

机器学习

[Takahashi]

机器学习不是 py 才行啊，C、GO、PHP 都行

[anyele]

@Takahashi 你确定 PHP 可以？

[ydxred]

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

[Takahashi]

@anyele 是可以的，不过很弱。。

[Marfal]

那就去学啊，想那么多干嘛

[misaka19000]

学啊，Python 基础语法 3 5 天就能搞定了吧

[SuperMild]

如果连学 python 都觉得困难，难道还能学会机器学习？

[anyele]

@Takahashi 肯定不行啊, PHP 连个库都没有

[congeec]

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

[LioMore]

我想起了之前有个 PHP 想入门大数据分析

[LioMore]

先买个体重秤

[ivechan]

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

[gulangyu]

路，还要一步一步走吧...

[ivechan]

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？

[Sapp]

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。

[ydxred]

@Sapp 在慕课网了解了一下!感觉到了 算数和数学才是硬道理....

[ety001]

如#11 楼所说，你连 python 都没信心去学，还指望学 ML ？

[helica]

建议先学高数

[ipwx]

@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。

[WangXg]

@LioMore 学大数据分析和体重秤有什么关系？

[fearme]

原来 python 几天就能学会，太牛了

[baicheng]

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。

[noErr]

去学啊，几天学不会，几十天还是够了的。

[KInDnoKind]

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

[lzx801]

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。

[vigoss]

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。

[Tunar]

额，语言不重要，数学才重要。。。

[haogefeifei]

ML 最主要的是数学。。。

[zetary]

单纯觉得 MLAPP 比 PRML 更好一点

[BadMan]

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。

[moyang]

用 Lua 呗！

[matsuijurina]

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。

[pointer]

乱猜你现在是产品？

[mingyun]

现在机器学习很火吗

[kuhung]

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

[denonw]

我看吴恩达的那个网络课程入门的。

[cxbig]

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 ？

[lightening]

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

[snnn]

学 lua，用 torch

[janxin]

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

[jtn007]

机器学习是理论，python 只是具体实现的一种，起步用 matlab 吧

[yonka]

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？

[freehere]

读研是唯一出路

[swordspoet]

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

[gclove]

@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

[swordspoet]

@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。

[ipwx]

@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 Variational 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。

[LioMore]

读研是唯一出路 +1

另外三五天学会查文档算不上入门

[shellcodecow]

先从算法开始 反正我看不懂。mlgb

[onlyhot]

以后不要说自己是 phper