机器学习要做的就是在数据中学习有价值的信息，例如先给计算机一堆数据，告诉它这些玩家都是重点客户，让计算机去学习一下这些重点客户的特点，以便之后在海量数据中能快速将它们识别出来。

    实践《跟着迪哥学Python：数据分析与机器学习实战》PDF+代码
    《跟着迪哥学 Python数据分析与机器学习实战》PDF，497页，带目录，文字可复制；配套源代码；作者: 唐宇迪。
    下载: https://pan.baidu.com/s/142sJazhH8KC0vXdwfhlfmQ
    提取码: 3me4

    机器学习能做的远不止这些，数据分析、图像识别、数据挖掘、自然语言处理、语音识别等都是以其为基础的，也可以说人工智能的各种应用都需要机器学习来支撑。现在各大公司越来越注重数据的价值，人工成本也是越来越高，所以机器学习也就变得不可或缺了。
    111.png
    学习python，然后用于数据分析，同时能够进行机器学习实战，按照这个流程，对AI爱好者有很大帮助，推荐学习《跟着迪哥学 Python数据分析与机器学习实战》结合了机器学习、数据分析和Python语言，通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。共20章，分4个部分。第1部分介绍了Python的工具包，包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib；第2部分讲解了机器学习中的经典算法，例如回归算法、决策树、集成算法、支持向量机、聚类算法等；第3部分介绍了深度学习中的常用算法，包括神经网络、卷积神经网络、递归神经网络；第4部分是项目实战，基于真实数据集，将算法模型应用到实际业务中。适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。
    222.png
    我最喜欢关于经典网络架构的介绍，卷积神经网络整体架构，AlexNet网络，VGG网络，ResNet网络，TensorFlow实战卷积神经网络；有一个很好的神经网络项目实战——影评情感分析，涉及递归神经网络，RNN网络架构，LSTM网络，影评数据特征工程，词向量，数据特征制作，构建RNN模型。
    333.png
    学会机器学习之后可能从事的岗位，最常见的就是数据挖掘岗，即通过建立机器学习模型来解决实际业务问题，就业前景还是非常不错的，基本所有和数据打交道的公司都需要这个岗位。