【机器学习工程师】学习路径
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
阶段2：算法基础
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
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~
