摘要：機器學習的過程機器學習的流程可以概括為幾大部分，分別是設置數據集劃分訓練集和測試集構建計算網絡訓練模型測試模型以及其他一些環節。機器學習在某些時候，很接近于線性回歸，而這個庫很適合用來創建大量的數字集合。

網上關于機器學習的文章，視頻不計其數，本來寫這么一篇東西，我自己也覺得有點多余，但是我還真沒找到一個能幫助像我這樣零基礎的人，快速接觸和上手機器學習的文章。這篇文章不能讓你深入學習和掌握機器學習的相關知識，但是一定能讓你快速了解什么是機器學習，以及你到底要不要深入學習，你需要提前學哪些東西來makes you ready。

其實這個恐怕任何一個從業人員都已經了解了，我也不過多介紹了，用我自己的話來說就是：讓機器學會用接近人類思考的方式來學習新的技能，從而幫助人類從一些簡單的智能工作上解脫出來。比如車牌號識別、手寫識別、語音識別、圖片OCR等等。

機器學習的流程可以概括為幾大部分，分別是：設置數據集、劃分訓練集和測試集、構建計算網絡、訓練模型、測試模型以及其他一些環節。設置數據集就是獲取測試數據，你不能用爬蟲隨便爬幾千個圖片來訓練，必須將圖片先轉化為規范的數據集合，比如大小相同等。其他的語音識別等，也需要先做類似的工作。幸運的是，你可以注冊一個kaggle的賬號，來獲取一些已經采集好的標準數據集。第二步是劃分集合，一多半用來訓練，一小半用來測試，具體的比例你可以自行測試調優。訓練集用來訓練模型，測試集用來評估訓練結果。為了防止模型過于匹配某些訓練數據（術語叫做過擬合），訓練時往往是不停的隨機抽取樣本建立批次來進行訓練的，而不是分批次逐個批次訓練做到全覆蓋。后面的幾個環節，我就不細說了，網上最多的就是這個。在keras框架中，這三個環節也就是幾行代碼的事。

這個是我初學的時候最困擾我的問題之一。Matlab是一種開發工具，類似于python語言，通信專業的孩子都懂的，經常用來繪制數學圖像。tensorflow是一套機器學習框架，你可以詳細的設計和定制你的學習模型和流程，當然你需要大量的專業知識和技能才能做到。keras是最適合我這種入門小白學習的，但是抽象的級別過高，你還是先了解下tensorflow再用比較好。它把很多tensorflow的功能（也可以使用theano和其他計算框架）都進行了更高層面的組合，讓你用很少的代碼就能實現很多功能。神經網絡CNN是主要用于圖像領域的計算框架，是一種計算模型，類似于基于Java或者PHP語言所使用的后端架構。實現的方式多種多樣，這種架構比較適合圖像識別（也可以用于語音識別等）。

matplotlib庫是你必備的，這個是數學工具庫，主要用來繪制數學函數和圖像，非常的強大，很接近于Matlab的功能。這個網上也有專門的教程，建議先簡單學習一下。
然后是numpy庫，這個庫是科學計算領域常用的庫，專門用來做數字方面的工作，也是建議先學習一下。機器學習在某些時候，很接近于線性回歸，而這個庫很適合用來創建大量的數字集合。
再之后是OpenCV庫，這個是專門用來做圖像處理的庫（我學的是python版本，原版貌似是c++開發的），包括攝像頭采集，圖像變換，圖像分析分類等等，功能非常的強悍，可以說是計算機視覺領域必備的庫。網上也有專門的大量教程，也建議先學習一下，了解基礎用法。其中攝像頭人臉檢測（就是在圖像中識別出有沒有人臉），甚至已經內置了處理模型，能直接調用api檢測出來。

想要開發出一個識別人臉或者動物的模型其實很簡單，但是但是但是！想要知道這個模型是如何設計的，以及設計一個屬于自己的模型去解決特定問題，這個是很難的。也就是說，寫代碼很簡單，關鍵是熟練使用各種數學模型組成計算框架。斯坦福大學在網易云課堂上面有一個公開課，里面全都是各種數學模型和公式，目前我還無法駕馭，數學學渣感覺壓力很大。如果你想深入研究并解決你自己遇到的特定問題，那么你需要熟練使用各種數學模型，還要知道如何評估自己的模型的準確率。星辰大海等著你去征服，少年。

最后的最后，我學這個時間確實很短，一定會有很多遺漏和錯誤之處，如果大家發現了，請一定指出并最好附上文檔鏈接，大家共同學習。

最后補充一些特別好的文章資料，供大家進一步閱讀：
https://zhuanlan.zhihu.com/p/... 專欄里的文章都不錯，比較容易理解
http://www.cnblogs.com/neo-T/... 這是我看過的最簡單的入門文章
https://www.bilibili.com/vide... 這個up的視頻講的也不錯，真·手把手教