机器学习路径将带你学会使用 Numpy，Scipy，Pandas，Scikit-learn，Matplotlib 等开源工具，完成从数据清理、数据分析、模型构建，到最终的预测评估及可视化呈现。

路径既包含了机器学习算法的基础知识，又融合了大量的实战操作，还覆盖了深度学习的有趣样例，将为你了解并掌握一定的机器学习技能提供动力。

阶段1：入门知识

• Linux 基础入门
• Vim编辑器
• Github 快速上手实战教程
• Python3 简明教程

阶段2：算法基础

• 深入学习《机器学习实战》
• 基于SVM的猫咪图片识别器
• k-近邻算法实现手写数字识别系统--《机器学习实战 》
• Spark 基础之使用机器学习库 MLlib
• 决策树实战项目-鸢尾花分类

阶段3：基础项目

• 人机对战初体验:Python基于Pygame实现四子棋游戏
• Python 实现英文新闻摘要自动提取
• 使用 Python 实现深度神经网络
• 使用卷积神经网络进行图片分类
• 基于卷积神经网络实现图片风格的迁移

阶段4：开源工具

• scikit-learn 实战之非监督学习
• scikit-learn 实战之监督学习
• 神经网络实现手写字符识别系统
• 深度学习初探——入门DL主流框架

阶段5：进阶项目

• Python应用马尔可夫链算法实现随机文本生成
• 神经网络实现人脸识别任务
• 基于无监督学习的自编码器实现
• NBA常规赛结果预测——利用Python进行比赛数据分析
• Python 气象数据分析 -- 《Python 数据分析实战》
• Twitter数据情感分析
• ebay在线拍卖数据分析
• 大数据带你挖掘打车的秘籍
• 使用 Spark 和 D3.js 分析航班大数据

最后：

实验楼上有10+条技术学习路径，对于想要系统入门该技术的小伙伴来说是非常不错的参考，详细的各路径，点击这里就可以查看了~