1.python的准备
本课程拟采用Python做为机器算法应用的实现语言，所以请确保:
1）安装好Python开发环境， PyCharm 或 Anaconda等都可以，按个人习惯喜好。
2）基本库的安装，如numpy、pandas、scipy、matplotlib
3）具备一定的Python编程技能，如果不熟悉，可选择一个教程进行学习，Python简单好上手，资源也很丰富。
菜鸟教程 Python 3 教程 http://www.runoob.com/python3/python3-tutorial.html
廖雪峰的官方网站 Python3 https://www.liaoxuefeng.com/wiki/1016959663602400
学习视频
答：
1.Python环境及pip list截图。
python版本
PyCharm
基本库
pip命令截图：
pip list截图：
2.本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=1
1）P4 Python基础
2）P1 机器学习概论
机器学习是一门多领域交叉学科，涉及较多的数学知识，我们不做太多理论上的要求，如果有听不懂的地方，不要放弃，看一遍就有个印象。通过观看视频，大家对课程有个总体的认识。
建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。
答：
3.作业要求：
1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。
2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
3）什么是机器学习，有哪些分类？结合案例，写出你的理解。
答：
答：定义：机器学习就是研究计算机如何实现人类的学习行为，以获取新的知识或技能来改善自身的性能，并通过某些手段训练次数的增加来用于预测问题。
分类：有监督学习，无监督学习，半监督学习，强化学习。
理解：案例有：信用卡公司用机器学习打击欺诈与赛车公司利用机器学习分析来获得和赛车有关的洞察Mercedes－AMG Petronas Motorsport正在使用机器学习功能将赛车的性能可视化等等。用样本去映射标记，通过不断的尝试去试错去调整参数，是一种强化学习。Harris说过：“让人们发挥创造力，思考如何解决问题，而不是靠编写软件来解决问题，这才是最重要的”。
