• 学习Github Flavored Markdown
• Python语言精进
• [] Numpy入门
• [] Pandas入门
• [] Matplotlib, Seaborn入门
• [] 列出需要掌握的机器学习算法列表，以及适用场景（可以根据类别）
• [] 列出需要研究掌握的概念和算法
• [] 创造属于自己的算法描述，最好可以配以描述案例。
• [] 设计实验或测试的方式探索机器学习算法的内在逻辑。
• [] 实现机器学习算法。

1. 机器学习的定义和范畴

机器学习是用统计学习的方式来从数据中抽象出对实际问题有帮助的模式。

机器学习举例简介

2. 机器学习和人工智能的关系

3. 机器学习的挑战

• Supervised Learning 监督学习
  • Classification 分类
    • Perceptron (感知器)
  • Regression 回归
• Unsupervised Learning 非监督学习
  • Clustering 聚类

• [] Neural Networks 神经网络
  • Perceptron 感知器 [1957]
  • Feed-forward Network 前馈神经网络
• [] Deep Learning 深度学习

没有数学基础如何进阶机器学习