大多数人在入门机器学习和人工智能时都需要学习python，于是就有许多人买了一本python从入门到精通类似的书，或者就买一本python基本语法的书。本人开始也一样，但是在学习的过程中发现，即使看完了python的基本语法，还是不会把python应用到机器学习中来。
辗转反侧，后来觉得时自己的机器学习理论基础不够，又买了李航的统计学习方法与周志华的机器学习，再结合实验室的研究方向，一步步学习与补充机器学习理论知识，但时后来发现，平时实验室的任务也就是实现基本的机器学习算法（之前对matlab熟悉，一直用的matlab实现机器学习算法），并没有教我们每个机器学习算法该怎么用，用程序写的话该怎么调用哪些函数，调哪些参数。
后来，通过参加阿里的天池比赛和一些数据挖掘比赛才慢慢学会原来这些基本的机器学习算法再python提供的各种包中都可以调用，这时我才觉得我学的python真正用到机器学习上面了，但是又不知道怎样系统的学习这些调用方法与怎样调参，后来也是借鉴一些大佬们的学习方法，可以通过在github上找想要学习的
机器学习包的
jupyter notebook代码，里面又有讲解，又有代码示例，学习起来很快，容易上手。
总结自己从研一到现在快一年的时间里，学习机器学习的方法和心路历程如下：
（1）先复习一些基本的数学理论基础，比如线性代数，概率论等
（2）学习机器学习的理论基础并且最好自己用编程实现，有利于对算法的理解。推荐python算法实现链接，可参考学习：
python实现的机器学习算法，推荐两本相关的理论书，一本是周志华的机器学习，另一本是李航的统计学习方法。
（3）学习python的一些基本语法，推荐在实现机器学习算法时用python语言，我当时懒用的是matlab，这样不好！
（4）这时一定要注意，不要以为学会了python基础语法就可以搞机器学习了（当然大神可以），还需要学会使用机器学习包，里面封装了各种各样的机器学习算法，所以学会了python的基础语法，这才是刚刚开始。
接下来就可以通过我说的神奇——jupyter notebook来学习各种机器学习包了，比如常用的有sklearn，pandas，numpy，matplotlib这些，在github上搜索机器学习包都有大神写的jupyter notebook。