机器学习现在大火，得益于天时地利人和，我也算是半路出家的人，周围也有一些朋友想学习机器学习。所以有感于此，打算写一个教程，将自己学习的路线和知识分享给大家，一方面利人，另一方面也是督促自己学习和深入思考。费恩曼貌似说过这样一句话，只有当你用自己的语言将一个知识描述出来，才能说你真正理解了它。费恩曼思维活跃，写得物理书也是我最喜欢的物理教材了。当时看到费恩曼先生的《费恩曼物理学讲义》才知道教材还能写得这么生动，而且看他写得物理教材，更侧重物理图像的理解，而不是像国内很多教材那样，强调各种数学推导。

关于教程的使用和面向对象

国家已经把人工智能提升到国家战略了，而且从目前的趋势来看，未来很多工作大有可能会被机器取代，因此使用机器学习解决实际问题的人需求量将会越来越大。甚至可以说，未来懂机器学习就像现在懂编程一样，会成为技术人员的标配。因此，本教程的主要面向对象将会降低到懂一些编程的所有技术人员，如果你已是机器学习的老司机，在学习新的算法的时候，使用本教程也会会是一个不错的选择。

关于作业

从我个人学习的经历和对周围人自学机器学习的观察来看，没有一定的实践，只是看视频、看书、看博客，很难有较大的收获。我学习过Andrew Ng的公开课，也看过斯坦福的CS224d以及CS231n等有名的课程，深感国外课程设计地多么精细，尤其是对它们的作业设计，十分佩服。相比国内的教程，很少有设计作业的内容。但是，作业过多也是一件麻烦事，因为不知道重点，想通过作业来加深理解，看到十几道题和从零开始的代码，也是很头疼，可能并不是每个人都能花那么多精力去折腾。所以，我尽量吧作业控制在最少的范围内。如果你真的想学习，每一讲的作业是非常有必要要做得，每一讲的作业不多，通常是1-2个思考题或者一个编程实践题，编程的启动代码我都会提供，你只需要完成关键代码即可。

评论区可以用来向我提问，或者和学习的小伙伴们互相交流，但不建议直接贴作业的答案。

支持与赞助

最后，如果您觉得这个教程有用，不妨推荐给同学或朋友。如果这个教程对您帮助很大，不妨赞助我一杯咖啡，支持我继续提供更好的教程。