隨著數(shù)據(jù)科學(xué)（Data Science）技術(shù)的興起，人工智能（ArtificialIntelligence）、機(jī)器學(xué)習(xí)（Machine Learning） 成為近幾年來(lái)計(jì)算機(jī)科學(xué)界十分熱門(mén)的研究領(lǐng)域，如今在實(shí)體和在線的學(xué)習(xí)機(jī)器學(xué)習(xí)的資源有很多，本文整理了一些好用學(xué)習(xí)資源希望幫助初學(xué)者能更容易使用 Python 入門(mén)機(jī)器學(xué)習(xí)的領(lǐng)域中，從零開(kāi)始學(xué)習(xí)機(jī)器學(xué)習(xí)。若是對(duì)于數(shù)據(jù)科學(xué)不熟悉的讀者可以先參考適用于初學(xué)者的資料科學(xué)影片 ，讓自己對(duì)于數(shù)據(jù)科學(xué)有初步的認(rèn)識(shí)。

人工智能的發(fā)展

「人工智能」（Artificial Intelligence）這專有名稱正式出現(xiàn)在公元 1956 年，在美國(guó)達(dá)特茅斯學(xué)院 （Dartmouth College）召開(kāi)的第一次人工智能會(huì)議。根據(jù)維基百科的定義，人工智能系指由機(jī)器所展現(xiàn)的智能，一般而言人工智能又分為「強(qiáng)人工智能」（Strong AI）和「弱人工智能」（Weak AI）兩種不同的主張。所謂的強(qiáng)人工智能指的是有自我意識(shí)、有知覺(jué)可以自己推理和解決問(wèn)題的機(jī)器智能，而「弱人工智能」只能仿真人類(lèi)的思維與行為表現(xiàn)，但缺乏真正的推理與解決問(wèn)題的能力，也不具有自主意識(shí)。人工智能在歷史上經(jīng)歷了幾次熱潮和寒冬，從最早的邏輯推理到后來(lái)的專家系統(tǒng)，再到目前的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)，機(jī)器學(xué)習(xí)可以視為人工智能的一個(gè)實(shí)現(xiàn)方式或是發(fā)展的一個(gè)歷程。

事實(shí)上，人工智能或是機(jī)器學(xué)習(xí)都是一門(mén)跨領(lǐng)域的學(xué)門(mén)，牽涉了 計(jì)算機(jī)科學(xué)、數(shù)學(xué)、神經(jīng)學(xué)、心理學(xué)、經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)等層面，也有許多相關(guān)的學(xué)門(mén)：

隨著運(yùn)算資源（云端運(yùn)算、GPU 等）、海量資料（目前還有許多資料還沒(méi)被創(chuàng)造，等待我們?nèi)グl(fā)掘呢）以及機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的發(fā)展，生活上許多產(chǎn)品已經(jīng)可以看到人工智能的應(yīng)用。但人工智能最美好的境界莫過(guò)于人機(jī)之間的互動(dòng)以及相輔相成，以AlphaGO 為例，雖然人類(lèi)在圍棋領(lǐng)域輸給人機(jī)器，但也從機(jī)器的思考方式去重新思考了圍棋的真諦和有別于人類(lèi)的思考方式。

「就因?yàn)槟硺訓(xùn)|西思考的方式跟你不一樣，就代表它沒(méi)在思考嗎？」 “Just because something thinks differently from you， does it mean it’s not thinking？” —《模仿遊戲》《Imitation Game》（2015）

什么是機(jī)器學(xué)習(xí)（Machine Learning）？

機(jī)器學(xué)習(xí)是一種數(shù)據(jù)科學(xué)的技術(shù)也是一種實(shí)現(xiàn)人工智能的一種方式，協(xié)助計(jì)算機(jī)從現(xiàn)有的數(shù)據(jù)學(xué)習(xí)，以便預(yù)測(cè)未來(lái)的行為、結(jié)果和趨勢(shì)。根據(jù)學(xué)習(xí)的方式又可以分為需要解答的監(jiān)督式學(xué)習(xí)（Supervised learning）、非監(jiān)督式學(xué)習(xí)（Unsupervised learning）和增強(qiáng)學(xué)習(xí)（Reinforcement learning）等（還有一種混合式的半監(jiān)督式學(xué)習(xí)）等子類(lèi)別。機(jī)器學(xué)習(xí)技術(shù)可以應(yīng)用的范圍十分廣泛，總的來(lái)說(shuō)機(jī)器學(xué)習(xí)可以解決以下幾種問(wèn)題：

1. 分類(lèi)問(wèn)題：這是A 類(lèi)或B 類(lèi)嗎？

2. 異常值判斷：這很奇怪嗎？

3. 預(yù)測(cè)性分析：有多少？

4. 分群?jiǎn)栴}：這是如何組織的？

5. 增強(qiáng)學(xué)習(xí)協(xié)助決策：我接下來(lái)該怎么辦？

當(dāng)我們搜集到相關(guān)、精確、連貫、足夠資料就可以挑選合適的算法進(jìn)行模型的的創(chuàng)建。

為什么選擇Python？

在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域最重要的兩大程序語(yǔ)言就是Python 和R，Python 簡(jiǎn)潔易學(xué)、應(yīng)用范圍廣（不限于數(shù)據(jù)分析）且學(xué)習(xí)曲線平緩，適合作為第一個(gè)入門(mén)的程序語(yǔ)言，透過(guò)pandas、SciPy/NumPy、sckikit-learn、matplotlib和statsmodels 可以進(jìn)行數(shù)據(jù)分析的工作，適合工程任務(wù)和需要和網(wǎng)絡(luò)應(yīng)用程序整合的項(xiàng)目。至于R 由于是統(tǒng)計(jì)學(xué)家開(kāi)發(fā)的程序語(yǔ)言，則是擅長(zhǎng)于統(tǒng)計(jì)分析、圖表繪制，常用于學(xué)術(shù)研究領(lǐng)域，建議也要有一定程度的掌握。一般情況下Python 和R 并非互斥，而是互補(bǔ)，許多數(shù)據(jù)工程師、科學(xué)家往往是在Python 和R 兩個(gè)語(yǔ)言中轉(zhuǎn)換，小量模型驗(yàn)證、統(tǒng)計(jì)分析和圖表繪制使用R，當(dāng)要撰寫(xiě)算法和數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)服務(wù)互動(dòng)等情況時(shí)在移轉(zhuǎn)到Python。為了降低學(xué)習(xí)成本。

此外Python本身是一種通用語(yǔ)言，除了數(shù)據(jù)科學(xué)外也可以廣泛使用在 網(wǎng)絡(luò)開(kāi)發(fā)、網(wǎng)站建置、游戲開(kāi)發(fā)、網(wǎng)絡(luò)爬蟲(chóng)等領(lǐng)域，當(dāng)你需要整合系統(tǒng)產(chǎn)品服務(wù)時(shí)，可以擔(dān)任一站式的開(kāi)發(fā)語(yǔ)言，更重要的是 Python 也可以當(dāng)成 膠水語(yǔ)言非常輕易和 C/C++ 等效能較佳的語(yǔ)言整合。簡(jiǎn)而言之，Python是一種簡(jiǎn)潔易學(xué)但功能強(qiáng)大，值得投資的程序語(yǔ)言，所以我們這邊先使用Python 進(jìn)行介紹。

若對(duì)于Python和R 比較，這邊有兩篇文章可以參考數(shù)據(jù)科學(xué)界華山論劍：R與Python巔峰對(duì)決、Which is better for data analysis:R or Python？。

如何開(kāi)始入門(mén)機(jī)器學(xué)習(xí)？

事實(shí)上，數(shù)據(jù)科學(xué)是個(gè)跨領(lǐng)域?qū)W門(mén)，在學(xué)習(xí)如何使用Python 進(jìn)行機(jī)器學(xué)習(xí)過(guò)程中通常必須掌握以下知識(shí)：

機(jī)器學(xué)習(xí)算法

Python 程序語(yǔ)言和資料分析函式庫(kù)

線性代數(shù) / 統(tǒng)計(jì)學(xué)等相關(guān)學(xué)門(mén)

專業(yè)領(lǐng)域的領(lǐng)域知識(shí)（ Domain Knowledge ）