机器学习该如何学

1.AI时代首选Python

        Python虽然是脚本语言，但是因为容易学，迅速成为了科学家的工具（MATLAB也能科学计算，但是软件要钱，而且很贵），从而积累了大量的工具库、架构。人工智能涉及大量的数据计算，用Python是非常自然且简单高效的。

        Python有非常多优秀的深度学习库可用，现在大部分深度学习框架都支持Python。Facebook公司开源了PyTorch之后，Python作为AI时代头牌语言的位置基本确立了。

        当你掌握了Python基本语法之后，需要再花一点时间去学习处理数据与操作数据的方法，熟悉一下Pandas、Numpy、Matplotlib和scikit-learn这些工具包的使用方法。

1.1 Pandas     

       Pandas是一个开源的、强大的Python数据分析工具库，它提供了高性能、易用的数据结构和数据分析工具。Pandas的主要数据结构是Series（一维数组）和DataFrame（二维标记数组），它们使得数据操作和分析变得既简单又直观。

主要功能：

• 数据结构：提供Series和DataFrame两种主要的数据结构，用于存储和操作数据。
• 数据操作：包括索引、切片、筛选、合并、分组等操作，支持复杂的数据处理需求。
• 数据清洗：处理缺失数据、重复数据等，确保数据的准确性和完整性。
• 数据读写：支持多种数据格式的读写，如CSV、Excel、SQL数据库等，方便数据的导入和导出。
• 时间序列数据：提供强大的时间序列支持，方便对时间相关的数据进行分析。
• 数据可视化：虽然Pandas本身不直接提供绘图功能，但它可以与其他数据可视化库（如Matplotlib和Seaborn）无缝集成，帮助创建各种类型的图表和图形。

1.2 NumPy

       NumPy是Python的一个开源数值计算扩展库，主要用于对大量数据进行高效存储和计算。它是许多其他数据科学库（如Pandas和Scikit-learn）的基础。

主要功能：

• 多维数组：提供多维数组对象（称为ndarray），用于存储和操作数据。
• 数学函数：包括各种数学函数，如三角函数、指数函数等，支持复杂的数学运算。
• 线性代数：提供线性代数运算，如矩阵乘法、求逆等，满足科学计算和工程领域的需求。
• 随机数生成：包括各种随机数生成函数，用于模拟和测试等场景。
• 数组操作：支持数组的形状调整、切片、索引、广播等高级操作，提高数据处理效率。

1.3 Matplotlib

        Matplotlib是Python的一个2D绘图库，它提供了丰富的绘图功能和灵活的绘图选项，是Python数据科学生态系统中最受欢迎的绘图库之一。

主要功能：

• 图表类型：可以绘制各种类型的图表，包