1.python基础的准备
本课程拟采用Python做为机器算法应用的实现语言，所以请确保:
1）安装好Python开发环境， PyCharm 或 Anaconda等都可以，按个人习惯喜好。
2）基本库的安装，如numpy、pandas、scipy、matplotlib
3）具备一定的Python编程技能，如果不熟悉，可选择一个教程进行学习，Python简单好上手，资源也很丰富。
菜鸟教程 Python 3 教程 http://www.runoob.com/python3/python3-tutorial.html
廖雪峰的官方网站 Python3 https://www.liaoxuefeng.com/wiki/1016959663602400
2.本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=1
1）P4 Python基础
2）P1 机器学习概论
机器学习是一门多领域交叉学科，涉及较多的数学知识，我们不做太多理论上的要求，如果有听不懂的地方，不要放弃，看一遍就有个印象。通过观看视频，大家对课程有个总体的认识。
建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。
3.作业要求：
1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。
2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
Python基础
学习资源：https://www.bilibili.com/video/BV1Tb411H7uC?p=4
Pip：安装Python包的推荐工具
Numpy：为Python提供快速的多维数组处理能力
Pandas：在Numpy的基础上提供了更多的数据读写工具
Scipy：在Numpy基础上添加了众多科学计算工具包
Matplotlib：Python丰富的绘图库
①np.linspace(1,10,10,endpoint=False) endpoint是指定是否包含终值
②切片可以下标索引，也可以T/F来索引
③数据清洗去重
unique：一维去重，二维也会从转成一维再去重
机器学习概论
学习资源：https://www.bilibili.com/video/BV1Tb411H7uC?p=1
机器学习的一般流程：数据收集→数据清洗→特征工程→数据建模→模型的使用
机器学习方法
线型回归、rate、Loss、EM算法、GMM与图像、去均值ICA分离、SVM、Crawler爬取数据、HMM分词、LDA
数学知识(bilibili67:30)：
倒数
Taylor公式
方向倒数
梯度
伽玛函数
概率论
3）什么是机器学习，有哪些分类？结合案例，写出你的理解。
什么是机器学习？
官方：对于给定的某个任务T，在合理的性能度量方案P的前提下，某计算机程序可以自主学习任务T的经验E；随着提供合适、优质、大量的经验E，该程序对于任务T的性能逐步提高。
通俗：人工智能的一个分支，我们使用计算机设计一个系统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；通过参数优化的学习模型，能够用于预测相关问题的输出。
机器学习的分类
原文：https://www.cnblogs.com/cyxxixi/p/12632112.html