目前，机器学习、深度学习、自然语言处理等已经成为互联网技术的主流。
截止2020年，全国各大高校都在逐步建设人工智能学院，如：深圳大学、中国科学院大学、南京邮电大学等双一流建设高校。
在此背景下，各个领域、学科都在利用机器学习技术进行交叉研究，来解决行业内问题。无论是报考人工智能专业的高考生还是刚接触人工智能的研究生，是感觉这很高大上，技术感很强；但当他真正去接触的时候，却觉得有点陌生。
这主要是因为机器学习这门课本身就是多学科进行交叉形成的，如数学、统计学、凸优化、概率论等等；只是随着深度学习模型的快速发展，使得人工智能在理论底层减少了数学、统计学等学科的应用。
学习路线：
1、程序设计语言：Python
由于Python本身的程序编写简洁快速、入门简单功能强大、代码开发效率很高、扩展性高等优势；既符合初学者，又简单易学；而且主流的Pytorch、TensorFlow框架可以辅助我们后面机器学习算法（如：SVM、贝叶斯等）的学习。
对于机器学习的入门，只需要了解简单的Python语法即可（如：元组、列表、类等），如果有过其他语言（如C、JAVA）学习经验的或者没有接触过计算机语言的同学，没有必要从头开始学习Python，只需要在小破站里找个Pytorch的相关教程即可！
2、编程软件安装：Pycharm、Anaconda
Pycharm：是一款python语言的编译器，大家可以去官网（https://www.jetbrains.com/pycharm/）下载；如果是在校学生，可以使用教育邮箱进行激活专业版本，免费使用。
Anaconda：是机器学习运行环境，主要是对安装的conda环境进行管理，Anaconda官网（https://www.anaconda.com/）可以免费下载。
3、理论知识学习路线：
对于机器学习的初学者，可能被很多人推荐的是周志华老师的《西瓜书》；但是，如果是初学者或者是数学底子（高数、线代、概率）不是很强的同学，真心不建议看这本书，会越看越难受的；大家可以按照以下路线学习：
（1）相关理论知识：
李航《统计学习方法》第二版
《矩阵论》西北工业大学出版社（主要了解矩阵求导法则、Hessian矩阵、范式等）
Stenphen_Boyd 《凸优化》（王书宁译）（这本书对于理解 SVM 具有重要意义，建议大家可以看中科大凌青老师的视频，但内容较多，如果对 SVM 没必要深究的同学，这本书可以忽略不看）
（上述数据内容较多，建议在遇到相关问题时再进行查阅，否则把这三本书全都学下来简直就是浪费时间）
（2）专业理论知识
书籍推荐： Ian Goodfellow、Yoshua Bengio 和 Aaron Courville等人 《深度学习》，俗称“花书”
视频推荐：吴恩达《机器学习》 / 李宏毅《机器学习》
（3）代码实战
李沐《动手学深度学习》
如果大家找不到以上数据的PDF版本，可以私撩我！！