伴隨著大資料的發展，機器學習目前被研發人員廣泛關注，有不少從事大資料研發的工程師都陸續進入機器學習領域。通常開始做機器學習的研發人員都是跟著專案走，一邊實踐一邊總結。但是在開始專案之前，往往要自己先熟悉一下機器學習的步驟，包括語言工具和演算法兩個部分。

目前在機器學習領域使用較多的是Python語言，所以我就以Python語言為例來規劃一下一個月的學習計劃，僅供參考：

第二週，瞭解機器學習的概念和步驟並開始使用Python完成第一個演算法實現。按照從易到難的學習原則，可以先從kNN分類演算法開始，透過這個演算法的實現也能夠了解如何使用Numpy庫和Matplotlib庫，這兩個庫也是後續使用較多的Python庫。完成kNN分類實驗後，進一步開始瞭解決策樹的使用，使用決策樹進行分類是比較常見的選擇。

第三週，進一步學習支援向量機、Logistic迴歸、AdaBoost、樸素貝葉斯等演算法，同時使用Python完成演算法的實現和簡單的應用。雖然這一週任務量看似比較大，實際上有了前面兩週的準備，這一部分的學習會簡單許多。

第四周，進一步學習無監督學習演算法，包括K-均值聚類演算法、Apriori演算法、FP-growth演算法，同時使用Python來完成對應的實驗。

通常情況下，一個月的時間只能算是對機器學習有一個入門瞭解。另外，脫離實際專案的學習本身就很難深入，但是透過這一個月的學習基本上可以開始進入機器學習專案了，下一階段的學習就可以跟著專案一步一步深入了。

機器學習有廣闊的發展空間，是人工智慧的六大組成部分之一，未來的發展前景也十分廣闊，對於廣大研發人員來說，機器學習是一個不錯的方向。另外，給初學者推薦兩本書：

建議先看《機器學習實戰》，這本書的風格比較適合程式設計師看，理論與實踐並重，同時例子比較清晰。接下來再看《機器學習》：

如果有機器學習方面的問題，也可以諮詢我。