如今確實挺多諸如資料分析、機器學習的崗位選擇使用python做開發的多，那麼，如果是想從事機器學習開發的話，該如何起步呢？

要想把機器學習用起來，就得先掌握python的基礎，諸如import、物件等的一些概念和使用要了然於心，否則基礎不紮實的話，就會面臨很多瑣碎的問題。對於python基礎的掌握，推薦慕課網教程，個人聽過感覺還不錯。 當然，書籍方法的話推薦《Python程式設計 從入門到實踐》，此書可以充當字典，遇到不會的可以多翻翻。

python提供了很多可以很好支出程式進行矩陣、線性和統計等的數學運算，像大部分機器學習的開發者都熟悉的Scikit Learn包一樣，裡面封裝了很多演算法，可以讓我們事半功倍。但也相應的需要我們花時間去了解裡面包的使用，在這裡推薦去官網看（https://scikit-learn.org/stable），裡面也提供了很多例子供我們參考和研習。當然，也可以購買相應的書籍，這裡推薦《機器學習實戰：基於Scikit-Learn和TensorFlow》。此書涵蓋機器學習的基礎理論知識和基本演算法——從線性迴歸到隨機森林等，幫助讀者掌握Scikit-Learn的常用方法；探討深度學習和常用框架TensorFlow，一步一個腳印地帶領讀者使用TensorFlow搭建和訓練深度神經網路，以及卷積神經網路。

機器學習需要使用的演算法是很多的，雖然前輩們已經為我們留下了各種包方便我們使用，但真正解決機器學習開發者級別的，還在於內功的深厚，也就是演算法。 只有真正的弄懂了演算法，在開發的過程中才能真正的知其然而又知其所以然。 懂得了演算法，你才能知道為什麼需要這樣做，為什麼那樣做會產生那樣的結果，如何更好的調參等。 如果沒有演算法做鋪墊，很快就會迷失在調包的迷霧中，很難更近一步的往上。 在這裡，推薦你去看吳恩達機器學習課程，這門課程在網易公開課上也有。 同時，也建議你去看機器學習的入門教材，也就是周志華出的《機器學習》，此書對於新手來說也算是一件寶物。在內容上儘可能涵蓋機器學習基礎知識的各方面. 全書共16 章，大致分為3 個部分：此書介紹機器學習的基礎知識；討論了—些經典而常用的機器學習方法（決策樹、神經網路、支援向量機、貝葉斯分類器、整合學習、聚類、降維與度量學習）後期還涉及特徵選擇與稀疏學習、計算學習理論、半監督學習、機率圖模型、規則學習以及強化學習等。

學習的路上切記浮躁，要一步步的基礎打撈了，才能以不變應萬變。

最後祝你早日成為大佬。