问：如何掌握阅读机器学习论文的正确姿势
- 答：打字时身子要坐正，双手轻松的放在键盘上。羡耐左手的指法（1）左手小拇指控制的区域（2）左手无名指控制的区域（3）左手中指控制的区域（4）左手食指控制的区域右手的指法（1）右手食指控制的区域（2）右手中指控制的区域（3）右手无名指控制的区域（4）右手小拇指控制的区域大拇指主要控制的是空格键整个手指的指法如下图打字前应如下图将氏派基手指放在键盘上注意：练习时要凭手指的触觉来敲打键盘，而不要使歼谨用眼睛来看键盘任何可以打字的软件，如：word、txt
问：深度学习入门必看的书和论文？有哪些必备的技能需学习
- 答：先了差庆解个大概 A Deep Learning Tutorial: From Perceptrons to Algorithms
神经 肯定是要学习的，主要是BP算法，可以看看PRML3、桥毁4、5三章，可先忽略其中的贝叶斯视角的解释。一些主要的算法理解要看具体的论文了，有个Matlab的程序不错，有基本算法的实现，见rasmusbergpalm/DeepLearnToolbox · GitHub。敏庆备有一本系统的介绍深度学习的书，不过还没写完，样稿见DEEP LEARNING。还有评论中提到的UFLDL教程：Unsupervised Feature Learning and Deep Learning Tutorial - 答：可以看看 。
Python深度学习》由Keras之父、现任Google人工智能研究员的Franc.ois Chollet执笔，详尽展示了用Python、Keras、TensorFlow进行深度学习的租戚探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。孝型蔽在学习完本书后，读者将了解深度学习、机器学习和神经 的关键概念，具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力，学会解决现实世界中的深度学习问题。除此之外，本书还深刻剖析了当前的"人工智能热"，从理性的视角展望了深度学习在未来的可巧州能性。
问：机器学习该怎么入门
- 答：机器学习社区SofaSofa.io
- 答：①机器学习的基础是数学，入门AI必须掌握一些必要的数学基础，但是并不是全部的数学知识都要学，只学工作上实际有用到的，比如是微积分、概率论、线性代数、凸优化等这些。雹纳
②数据分析里需要应用到的内容也需要掌握，但不是网上所说的从0开始帮你做数据分析的那种，而是数据挖掘或者说是数据科学领域相关的东西，比如要知道计算机里面怎么挖掘数据、相关的数据挖掘工具等等
补足了以上早汪数学和数据挖掘基本知识，才可以正式进行机器学习算法原理的学习。
③算法方面需要掌握一些基本的框架：python、spark、mllib、scikit-learning、pytorch、TensorFlow，数据方面需要懂得HQL、numpy、pandas，如果你本身是后台开发、app开发、数据分析、项目管理，则是一个学习算法的一个加分项。
④最后需要对人工智能有全局的认知，包括机器学习、深度学习两大模块，相关的算法原理、推导和应用的掌握，以及最重要算法思想。
可以去学习下菜鸟窝的机器学习课，python基础、数据分析、数学都陆肆仔是从0基础开始，老师都是BAT工业界多年实践经验的，能让你短时间入门机器学习，并且拥有持续读paper等的自学能力，不过培训跟相亲一样要看眼缘，我这里有他们公开课的 资料包括PPT源码，想要的可以私我哦。 - 答：关于机器学习的一些经典算法 可悔空以关注
- 答：首先并岁搞明白各个算法的是干嘛的绝磨睁怎么用，然后代码实践，实践出真知。
建议关注：大数据与AI人工智能
里游前面有原理+代码实践，希望能帮到你 - 答：先看看相关的图书：要有好几本作为参考，最好是角度差异大、深浅程度不同，比如系统的导论式的、深入数锋的有推导的、浅出的手把手的。它要充当不同学习过程中的工具书。
教程：比如Andrew Ng的、各种专题的博客，有针对地找相应的教程，相对着看， 资源比如51cto学院的课程跟书的表达方式毕竟是不一样的，也是很有益的信息源。
paper：比如学CNN的时候，就薯圆晌搜一堆论文来，集中一段时间看一轮，一定要有针对性，带着很明确的问号去看。
开源资源：很多很多东西，其实都有人做出来开源了，直接拿来用，一边用一边理解，甚至可以学习源码
关注这个领域：关注相关的会议期刊，关注大牛们（Hinton、Bengio、LeCun等）的动向，微博加一堆领域大牛每天看一眼他们分享什么上来。
至于视频学习，我个人不太喜欢，信息密度太低，效率太低，还不如多看些书和论文（当然，你如果想瞻仰大神们，还是可以看看的）。
基础知识：线代、统计、概率、数学分析；信息论方面基本概念要理解，比如要知道相对熵是什么意思和怎么算；凸优化和最优估计相关内容，在各种各样问题中都会遇到，学好了可以帮腔洞大忙。
机器学习主要就是找到目标函数并且做参数估计，虽然有很多现成工具，但是不熟悉优化问题的话，会很抓瞎。
模型总要熟悉几个吧，神经 （SAE、RBM、CNN等）、SVM、最大熵、CRF、随机森林、GMM等等。了解不同应用场景下各种模型有什么优劣，挑一些自己以后可能常用到的多练习。 - 答：关于机器学习入门，知乎余没上有个人感觉还不错的回答，附链悔掘接
简言之理论必须扎实（数学基础竖前纳），学习的目的是为了应用，UCI（）有很多机器学习的数据集，尝试着自己动手实现一些常用的算法。在工作中会遇到各种问题，所以动手做项目编码很重要。 - 答：机器学习神行算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
下面是一个比较通俗易懂的机器学习入门笔记：
笔游晌哗记包括了无监督学习、监督学谨厅习、机器学习评价指标等内容。
