从写代码到做模型，这套资料值不值得学

这套围绕 Python 到机器学习与深度学习的体系资料，解决的是一个非常具体的痛点：很多人想转行做算法或数据相关岗位，但往往卡在“会写两行打印语句”和“能独立跑通一个预测模型”之间的巨大断层上。市面上的速成课大多只教调包，工作中遇到数据清洗或报错就抓瞎；而科班教材又太偏理论，看完依然不知道怎么落地。这份资料的价值在于，它把工程基础和算法原理拧在了一起，没有割裂对待。如果你的目标是未来能独立处理一份真实业务数据，并训练出可用的模型，而不是仅仅跑通别人的 Demo，那么这套循序渐进的框架是值得花时间啃下来的。

适合什么基础，建议先看哪几块

这套资料的门槛其实比想象中低，但它需要你有耐心。它适合完全没有编程经验但逻辑思维尚可的上班族或转行者，因为最开始的阶段是从环境搭建和基础语法讲起的。但如果你已经有其他语言基础，建议直接跳过基础语法，重点看数据结构与算法部分，以及从数据分析到特征工程这一块。很多人学机器学习失败，不是因为不懂算法公式，而是卡在不会处理原始数据。特征工程这一段是整套资料的第一个分水岭，建议在这里放慢速度，配合实训题多做几遍。到了机器学习原理与实战阶段，不要只看视频，一定要跟着把代码敲一遍，理解每个参数的实际影响。

学完能独立做什么，资料怎么配合练习

踏踏实实学完这套资料后，你具备的能力是：能独立使用 Python 完成日常数据处理脚本，能对一份结构化数据进行探索性分析、特征提取，并选择合适的机器学习模型完成分类或回归预测，同时能看懂简单的深度学习模型结构并进行基础调优。在实际使用这份资料时，建议遵循“视频理解概念、实训验证手感”的原则。资料里每个阶段都配有在线实训题，不要只看不练。特别是高阶函数、面向对象这些编程基础，以及后续的模型实战，一定要自己配置好本地环境，把课程里的代码手敲运行。遇到报错先自己查文档，这个过程本身就是在培养解决实际工程问题的能力，比单纯记住几个理论名词要有用得多。


第一阶段 零基础入门Python第二阶段 数据结构与算法第三阶段 从数据分析到特征工程第四阶段 机器学习原理第五阶段 机器学习实战第六阶段 深度学习原理到实战第

课程目录

*   第一阶段 零基础入门Python/

  *   在线视频：Python入门及环境搭建

  *   在线实训：调试配置好Anaconda工作环境

  *   在线视频：Python编程基础上：表达式、关键字、对象

  *   在线实训：打印100000以内的素数

  *   在线视频：Python编程基础下：条件判断、循环控制、迭代器与生成器

  *   在线实训：实现fib数列函数

  *   在线直播： Python数据类型详解

  *   在线视频：函数基础

  *   在线实训：自己实现一个支持可变参数的函数

  *   在线视频：高级函数：高阶函数、嵌套函数与函数闭包，函数对象

  *   在线实训：使用map-reduce函数，以及创建装饰器函数

  *   在线直播：面向对象和文件处理

*   第二阶段 数据结构与算法/

  *   在线视频：必会的数据结构：栈、队列、哈西表

  *   在线视频：树／堆

  *   在线实训：堆的构造与应用

  *   在线视频：图论

  *   在线实训：实战最短路（Floyd，Dijkstra，Bellmanford）

  *   在线直播：通过OJ实战面试中常考的查找问题

  *   在线视频：递归

  *   在线实训：手写快速排序和树的遍历

  *   在线视频：图搜搜索初探：遍历（深度优先 广度优先）

  *   在线实训：启发式搜索

  *   在线视频：动态规划

  *   在线实训：手写DP

  *   在线直播：通过OJ实战面试中常考的排序问题

*   第三阶段 从数据分析到特征工程/

  *   在线视频：1-使用Numpy与Pandas进行数据统计与分析

  *   在线实训：2-pandas综合练习

  *   在线视频：3-用pandas完成机器学习数据预处理与特征工程

  *   在线实训：4-pandas完成Kaggle机器学习预处理

  *   在线视频：5-好用的python可视化利器matplotlib与seaborn

  *   在线实训：6-matplotlib/seaborn完成Titanic和自行车租赁数据可视化

  *   在线直播：商城数据爬去、清洗分析、可视化展示

*   第四阶段 机器学习原理/

  *   在线视频：线性回归、logistic回归、梯度下降

  *   在线实训：用LR完成Kaggle比赛迈开第一步

  *   在线视频：决策树、随机森林

  *   在线实训：信用卡欺诈检测

  *   在线直播：机器学习简介、广义线性模型（线性回归、逻辑斯蒂回归）精髓速讲

  *   在线视频：SVM与数据分类

  *   在线实训：使用SVM进行数据分类

  *   在线视频：聚类

  *   在线实训：K-means/GMM代码实现和实际应用分析

  *   在线视频：聚类与推荐系统实实战

  *   在线实训：基于用户聚类的推荐系统

  *   在线直播：SVM与聚类方法的精髓速讲

  *   在线视频：贝叶斯网络

  *   在线实训：实战贝叶斯网络

  *   在线视频：隐马尔科夫模型HMM

  *   在线实训：使用HMM进行中文分词

  *   在线视频：主题模型

  *   在线实训：使用LDA进行文档分类

  *   在线直播：朴素贝叶斯与HMM的精髓速讲

*   第五阶段 机器学习实战/

  *   在线视频：1-NLP的基本技能：中英文字符串处理、工具分词、正则表达式

  *   在线视频：2-Linux常用操作命令：ls、cd、pwd、cat、mkdir等

  *   在线视频：机器学习流程、基本分类与回归模型

  *   在线实训：Kaggle机器学习比赛中的特征工程处理实战

  *   在线直播：通过kaggle实战一个机器学习比赛

  *   在线视频：机器学习中的特征工程与模型调优，sklearn用法

  *   在线实训：sklean接口熟悉与机器学习建模指导

  *   在线视频：Spark与大数据处理

  *   在线实训：Spark大数据日志分析

  *   在线直播：sklearn建模与使用

*   第六阶段 深度学习原理到实战/

  *   在线视频：1-神经网络初步：全连接与反向传播

  *   在线实训：手写神经网络解决非线性切分问题

  *   在线视频：2-卷积神经网络与计算机视觉

  *   在线实训：利用ResNet与inception解决一般图像分类问题套路

  *   在线视频：3-循环神经网络与自然语言处理

  *   在线实训：利用循环神经网络生成文本作诗

  *   在线直播：5-ANN、CNN、RNN的精髓速讲

*   第七阶段 项目实战：从零搭建电影推荐网站/

  *   在线直播：确定产品、数据、以及技术框架，以及推荐系统常用算法讲解

  *   在线直播：推荐系统框架与流程、召回与排序模块的设计与实现

  *   在线直播：深度学习在推荐系统中的应用，以及深度学习算法实例讲解