相关学习推荐:python教程
Python的人工智能方法:
为什么是Python？
Python和R是数据科学和机器学习领域最重要的两种编程语言。Python简单易学，应用广泛(不限于数据分析)，学习曲线平缓。它适合作为第一种介绍性编程语言。可以通过pandas、SciPy/NumPy、sckikit-learn、matplotlib和statsmodels进行数据分析，适用于需要与网络应用集成的工程任务和项目。至于R，因为是统计学家开发的编程语言，擅长统计分析和图表绘制，经常用于学术研究。建议R要掌握到一定程度。一般来说，Python和R不是互斥的，而是互补的。很多数据工程师和科学家经常在Python和R之间切换，使用R进行小规模的模型验证、统计分析和图表绘制，然后在编写算法以及与数据库和网络服务交互时切换到Python。为了降低学习成本。
另外，Python本身是一种通用语言，除了数据科学之外，还可以广泛应用于网络开发、网站建设、游戏开发、网络爬虫等领域。当你需要集成系统产品和服务时，Python可以作为一站式开发语言，更重要的是，Python还可以作为胶水语言，方便地与C/C++等性能更好的语言集成。简而言之，Python是一种简单易学但功能强大的编程语言，值得投资，这里先介绍一下。
如果对比Python和R，这里有两篇可以参考数据科学华山论剑的文章:R or Python的巅峰，数据分析哪个更好:R还是Python？。
如何开始入门机器学习？
事实上，数据科学是一门交叉学科。在学习如何使用Python进行机器学习的过程中，通常要掌握以下知识:
机器学习算法
Python编程语言和数据分析函数库
线性代数/统计和其他相关学科
专业领域的领域知识。
为了掌握以上三个领域的知识(先把重点放在机器学习的核心技术上，暂时忽略数据科学领域知识的掌握)，具体可以参考以下步骤:
1.掌握Python编程语言基础知识。
在线学习资源:
o代码学院
O DataCamp(也可以学习r)
o在Y分钟内学会X(X = Python)
o通过艰苦的方式学习Python
2.了解基础数学/统计和机器学习的基础知识
o汗学院线性代数
o介绍交付统计数据
推断统计学导论
o吴恩达机器学习课程
吴恩达机器学习笔记
卡内基梅隆大学机器学习
o机器学习基金会(machine learning foundation)
3.知道如何使用Python科学计算函数库和套件。
建议安装Anaconda，它支持跨平台的多版本Python。默认安装了用于数据分析和科学计算的包，并自带spyder编辑器和Ipython笔记本，可以为用户通过浏览器开发和维护Julia、python或R程序提供web界面。
O numpy:科学分析，科学结构笔记教学文档
熊猫:数据分析
O matplotlib:我可以画一眼。
O scikit-learn:机器学习工具
4.使用scikit-learn学习Python机器学习应用。
O MachineLearning: Python机器学习:使用Python？n
5.用Python实现机器学习算法。
感知器
o决策树
o线性回归
O k均值聚类
6.实现高级机器学习算法。
哦，SVM
哦，KNN
随机森林
o降低维度
o验证模型
7.了解深度学习在Python中的实现和应用。
NTU应用深度学习
o斯坦福深度学习
o深度学习自学资料推荐
o深度学习:中文学习资源整理
想了解更多学习方面的知识，请关注php培训专栏！