隨著數(shù)據(jù)科學(xué)（Data Science）技術(shù)的興起，人工智能（ArtificialIntelligence）、機(jī)器學(xué)習(xí)（Machine Learning） 成為近幾年來計算機(jī)科學(xué)界十分熱門的研究領(lǐng)域，如今在實體和在線的學(xué)習(xí)機(jī)器學(xué)習(xí)的資源有很多，本文整理了一些好用學(xué)習(xí)資源希望幫助初學(xué)者能更容易使用 Python 入門機(jī)器學(xué)習(xí)的領(lǐng)域中，從零開始學(xué)習(xí)機(jī)器學(xué)習(xí)。若是對于數(shù)據(jù)科學(xué)不熟悉的讀者可以先參考適用于初學(xué)者的資料科學(xué)影片 ，讓自己對于數(shù)據(jù)科學(xué)有初步的認(rèn)識。

人工智能的發(fā)展

「人工智能」（Artificial Intelligence）這專有名稱正式出現(xiàn)在公元 1956 年，在美國達(dá)特茅斯學(xué)院 （Dartmouth College）召開的第一次人工智能會議。根據(jù)維基百科的定義，人工智能系指由機(jī)器所展現(xiàn)的智能，一般而言人工智能又分為「強(qiáng)人工智能」（Strong AI）和「弱人工智能」（Weak AI）兩種不同的主張。所謂的強(qiáng)人工智能指的是有自我意識、有知覺可以自己推理和解決問題的機(jī)器智能，而「弱人工智能」只能仿真人類的思維與行為表現(xiàn)，但缺乏真正的推理與解決問題的能力，也不具有自主意識。人工智能在歷史上經(jīng)歷了幾次熱潮和寒冬，從最早的邏輯推理到后來的專家系統(tǒng)，再到目前的機(jī)器學(xué)習(xí)/深度學(xué)習(xí)，機(jī)器學(xué)習(xí)可以視為人工智能的一個實現(xiàn)方式或是發(fā)展的一個歷程。

事實上，人工智能或是機(jī)器學(xué)習(xí)都是一門跨領(lǐng)域的學(xué)門，牽涉了 計算機(jī)科學(xué)、數(shù)學(xué)、神經(jīng)學(xué)、心理學(xué)、經(jīng)濟(jì)學(xué)、統(tǒng)計學(xué)等層面，也有許多相關(guān)的學(xué)門：

隨著運(yùn)算資源（云端運(yùn)算、GPU 等）、海量資料（目前還有許多資料還沒被創(chuàng)造，等待我們?nèi)グl(fā)掘呢）以及機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的發(fā)展，生活上許多產(chǎn)品已經(jīng)可以看到人工智能的應(yīng)用。但人工智能最美好的境界莫過于人機(jī)之間的互動以及相輔相成，以AlphaGO 為例，雖然人類在圍棋領(lǐng)域輸給人機(jī)器，但也從機(jī)器的思考方式去重新思考了圍棋的真諦和有別于人類的思考方式。

「就因為某樣?xùn)|西思考的方式跟你不一樣，就代表它沒在思考嗎？」 “Just because something thinks differently from you， does it mean it’s not thinking？” —《模仿遊戲》《Imitation Game》（2015）

什么是機(jī)器學(xué)習(xí)（Machine Learning）？

機(jī)器學(xué)習(xí)是一種數(shù)據(jù)科學(xué)的技術(shù)也是一種實現(xiàn)人工智能的一種方式，協(xié)助計算機(jī)從現(xiàn)有的數(shù)據(jù)學(xué)習(xí)，以便預(yù)測未來的行為、結(jié)果和趨勢。根據(jù)學(xué)習(xí)的方式又可以分為需要解答的監(jiān)督式學(xué)習(xí)（Supervised learning）、非監(jiān)督式學(xué)習(xí)（Unsupervised learning）和增強(qiáng)學(xué)習(xí)（Reinforcement learning）等（還有一種混合式的半監(jiān)督式學(xué)習(xí)）等子類別。機(jī)器學(xué)習(xí)技術(shù)可以應(yīng)用的范圍十分廣泛，總的來說機(jī)器學(xué)習(xí)可以解決以下幾種問題：

1. 分類問題：這是A 類或B 類嗎？

2. 異常值判斷：這很奇怪嗎？

3. 預(yù)測性分析：有多少？

4. 分群問題：這是如何組織的？

5. 增強(qiáng)學(xué)習(xí)協(xié)助決策：我接下來該怎么辦？

當(dāng)我們搜集到相關(guān)、精確、連貫、足夠資料就可以挑選合適的算法進(jìn)行模型的的創(chuàng)建。

為什么選擇Python？

在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域最重要的兩大程序語言就是Python 和R，Python 簡潔易學(xué)、應(yīng)用范圍廣（不限于數(shù)據(jù)分析）且學(xué)習(xí)曲線平緩，適合作為第一個入門的程序語言，透過pandas、SciPy/NumPy、sckikit-learn、matplotlib和statsmodels 可以進(jìn)行數(shù)據(jù)分析的工作，適合工程任務(wù)和需要和網(wǎng)絡(luò)應(yīng)用程序整合的項目。至于R 由于是統(tǒng)計學(xué)家開發(fā)的程序語言，則是擅長于統(tǒng)計分析、圖表繪制，常用于學(xué)術(shù)研究領(lǐng)域，建議也要有一定程度的掌握。一般情況下Python 和R 并非互斥，而是互補(bǔ)，許多數(shù)據(jù)工程師、科學(xué)家往往是在Python 和R 兩個語言中轉(zhuǎn)換，小量模型驗證、統(tǒng)計分析和圖表繪制使用R，當(dāng)要撰寫算法和數(shù)據(jù)庫、網(wǎng)絡(luò)服務(wù)互動等情況時在移轉(zhuǎn)到Python。為了降低學(xué)習(xí)成本。

此外Python本身是一種通用語言，除了數(shù)據(jù)科學(xué)外也可以廣泛使用在 網(wǎng)絡(luò)開發(fā)、網(wǎng)站建置、游戲開發(fā)、網(wǎng)絡(luò)爬蟲等領(lǐng)域，當(dāng)你需要整合系統(tǒng)產(chǎn)品服務(wù)時，可以擔(dān)任一站式的開發(fā)語言，更重要的是 Python 也可以當(dāng)成 膠水語言非常輕易和 C/C++ 等效能較佳的語言整合。簡而言之，Python是一種簡潔易學(xué)但功能強(qiáng)大，值得投資的程序語言，所以我們這邊先使用Python 進(jìn)行介紹。

若對于Python和R 比較，這邊有兩篇文章可以參考數(shù)據(jù)科學(xué)界華山論劍：R與Python巔峰對決、Which is better for data analysis:R or Python？。

如何開始入門機(jī)器學(xué)習(xí)？

事實上，數(shù)據(jù)科學(xué)是個跨領(lǐng)域?qū)W門，在學(xué)習(xí)如何使用Python 進(jìn)行機(jī)器學(xué)習(xí)過程中通常必須掌握以下知識：

機(jī)器學(xué)習(xí)算法

Python 程序語言和資料分析函式庫

線性代數(shù) / 統(tǒng)計學(xué)等相關(guān)學(xué)門

專業(yè)領(lǐng)域的領(lǐng)域知識（ Domain Knowledge ）