一：语言

　　python：python不是唯一的但是他是非常适合的。优点.....很多。

　　二：机器学习与人工智能

　　机器学习是基础——>人工智能

　　三：机器学习的理解

　　一个婴儿，需要模仿着父母不停的学习然后学会说话和行走是一样的道理。

　　机器学习是给一个目标——>机器模仿实现目标——>最终实现

　　四：机器学习需要什么?

　　算法 数据 程序 评估 应用

　　五：机器学习能做什么?

　　机器学习在数据挖掘，图像识别，语言和自然语言处理中有着广泛的应用

　　数据挖掘：在数据中找到需要的数据，隐藏的内容。

　　计算机视觉：手机刷脸解锁(购物)等等

　　自然语言处理：情感分析

　　语音识别：语音翻译

　　六：机器学习的流程

　　常规套路如下：

　　1.数据的收集和预处理。

　　2.特征的选择和模型的构建

　　特征的选择很重要!在这里解释一下：人类可以认识汉语英语日语(等等)....但是机器不认识，机器只认识0 1，也就是我们在这里要把机器不认识的转化为他认识的语言(这不就就是我们做了翻译吗?翻译起来好像还很难)。

　　3.评估和预测

　　这一步就是我们该怎么设计让我们的计算机可以实现我们的目标。在实现目标的基础上通过调节参数来使我们的结果更加接近理想上的值。

　　七机器学习怎么学?

　　机器学习的本质包含了数学原理和实际应用技巧。机器学习中有很多经典算法(了解是怎么推导和使用)因此牵扯到大学数学。十有八九的人已经忘的差不多了，那就只能哪里不会点哪里了(大学的概述线代和概率论可以拿出来，那里不会翻哪里)!

　　讲一个二分类问题：大学里的同学要掌握推导过程，主要的目的就是为了学习另一个有时间。

　　已经的工作的也没时间去学习大学的知识，同时也不会有耐心去学。那么就要重视(库的使用和完整项目的构建，从头到尾的流程)使用

　　八、深度学习

　　深度学习是机器学习中神经网络算法的延伸，相对来说应用更广一些(误解：部分人认为机器学习和深度学习是两回事，其实不是的)

　　深度学习是在计算机视觉和自然语言处理中更厉害一点，基础还是离不开机器学习的。

　　九、算法推导怎么开始?

　　1.找自己合适的方式(书，博客，视频.....)

　　2.交流圈

　　3.暂时跳过，回头再看

　　十、机器学习怎么动手去做?

　　找案例资源：Github ，kaggle，其他的资源分享站点...

　　案例积累：模仿(别人的代码和自己的代码)， 先模仿后创新。