如果打算利用Python來執行機器學習，對Python有一些基本的理解是至關重要的，由於其作為通用程式語言的廣泛流行，以及它在科學計算和機器學習中的普及，初學者的教程並不是很難，在Python和程式設計方面的經驗水平對於選擇起點至關重要。

首先，你需要安裝Python。由於我們會在某些時候使用科學計算和機器學習軟體包，因此建議安裝Anaconda，它是針對Linux，OSX和Windows的工業級Python實現，包含numpy，scikit-learn和matplotlib等所需的機器學習軟體包，還包括iPython Notebook，這是我們許多教程的互動式環境。會建議Python 2.7，除了它仍然是主要的安裝版本之外，沒有其他原因。

人們認為“資料科學家”存在很多變化。這實際上是機器學習領域的一個反映，因為資料科學家所做的大部分工作都涉及到不同程度的機器學習演算法。是否有必要密切理解核心方法，以便有效地建立並從支援向量機模型中獲得洞察力？當然不是。像生活中的任何事物一樣，理論理解的深度與實際應用相關。深入瞭解機器學習演算法超出了本文的範圍，通常需要大量的時間投入到更多的學術環境中，或者至少需要透過強烈的自學。

吳恩達在Coursera的課程廣受好評，有時間就可以去上，吳恩達的一些課程很適合初學者，不過建議瀏覽由線上課程的前任學生編寫的課程筆記。除了Python之外，還有一些通常用於促進實際機器學習的開源庫。

1、首先要明確自己的學習目的，否則比較難堅持

2、先學習計算機基礎

3、尋找網上教程，如某課網，學習python基礎

4、學習基礎演算法

5、學習整合教程，如圖。付費教程：

沒有人天生有Python開發基礎的。再牛的程式設計師也是從零開始學習的。學習方式當然有多種多樣，你應該結合自身情況，選擇適合自己的學習。

我建議你可以先買來入門書籍開始Ken。先了解一下學習python開發是一種怎麼樣的體驗再說。想得太多，也不如直接開始幹。在自己慢慢摸索的道路上，你就會發現你之前想的問題都迎刃而解。