大错特错！！不要等自认为Python学的很好了再去学习深度学习！！

什么都等准备好了再去做可不行，要避免这种完美主义。

对于python来说，先去学习廖雪峰的那个免费课程，看到requests库，这样你对python基础就有了了解。

然后再去看基于python做数据分析那本书，了解pandas和numpy两个包如何做数据处理。

这就够了，完全就可以去入手深度学习了，之后更多的用法之后再学，碰到问题再去学，永远是最快的。如果你想硬钢深度学习，硬钢算法岗的，我用八千字，总结了一份超详细的保姆级深度学习从零入门路线图，分享给大家；

我把这个路线图范围六个部分：

1. 基础知识；
2. 机器学习理论入门；
3. 机器学习竞赛实战；
4. 深度学习理论入门；
5. 深度学习竞赛实战；
6. 深度学习面试题汇总；

整个路线图的思维导图如下，我把对应的视频和github链接全部放在了思维导图备注里面；
扫描下面二维码——>添加csdn官方认证免费领取


针对这六个部分，我们一个个的来看：

1.基础知识学习

首先，我们来看基础知识部分;

你需要掌握两个方面；第一个是数学，第二个是Python面向对象编程的基础；

首先对于数学来讲，我想很多搜索入门路线图的朋友，都会被推荐很多数学方面的大部头的书籍和视频和科目，比如说：微积分、线性代数、概率论、复变函数、数值计算等等；

我觉得如果当前的任务是入门，而不是做一些开创性的研究，这些并不全是没有必要；

从的建议来说，首先掌握线性代数里面的：向量、矩阵、运算、范数、特征向量和特征值；

我这里推荐一个中文视频，【两个小时快速复习线性代数】；

链接看我思维导图思维导图的对应位置；

在复习的时候，不需要你完全记住，但是需要你用笔记画一个大致脉络图出来，把各个细节写上去，在以后需要用到的这个时候，像查字典一样能够查到就可以；

其次对于高数来说，需要掌握的主要就是4个：导数，梯度，泰勒公式，和概率论；

概率论快速的过一遍就可以，了解一些基本概念，比如说条件概率，最大似然估计等等，我这里推荐一个视频，【1个小时快速复习概率论】；

链接看我思维导图思维导图的对应位置；有了这些数据基础，对于入门深度学习就够了；之后，如果遇到不懂的，在这个之外，我们再去学来得及；

第二个基础知识是Python；

Python是一种编程语言，是我们后面机器学习和深度学习中数据处理，实现模型的主力语言；

对于Python而言，不需要你很精通，只需要有一定的Python 面向对象编程的的基础就可以；

在这里，理论方面，我推荐廖雪峰的Python课程，这个课程没有必要都看，地址在思维导图备注这个视频里面的目录，并不是都去学习，我们只需要从第一个简介开始，学习到常用的第三方模块；

之后，有了一定的Python基础，就可以不用学习了；

之后需要提升的你的实战能力，我给你大家推荐一本书，学起来也很快，叫做【用Python做数据分析】；

这本书的中文翻译版链接在这里：见思维导图备注这本书，不用全都看，看重点章节就可以；

当然全看了，也很快，因为这本书本身学习起来就很简单；

我为什么推荐这本书呢？首先第一点，这本书确实看起来很简单，入门门槛极低，第二，这本书的内容，在我们往后的机器学习和深度学习关系很密切，因为我们在构建模型之前，需要很多操作去处理数据，用到这本书介绍的这两个api包；

看完廖雪峰的教程和这本书，你会掌握两个东西，一个python基础知识，一个是究竟怎么用Python实战去处理数据；

2.机器学习理论入门

第二个部分，我来重点介绍机器学习理论入门路线图；

对于机器学习理论算法，我推荐一本书籍和一个博客和一个Python包书籍是：李航的统计学习，主要，不是全都看，我一会会告诉你看哪几个章节；

博客是刘建平老师的博客，Python包是sklearn；

我们先来看这个统计学习，我谈三个准则：三个准则是：第一，作为入门选手，不要每章都去看；

第二，不要用python从零去造轮子去实现这本书里面的算法，千万不要这样做，太浪费时间；第三个，对于重点章节算法必须能做到手推公式，重点算法其实不多，一会说；这本书一共是分为了11章，你只需要去看其中的六章内容，分别是：1，2，4，5，6，8我带大家看一下这本书目录：第一章是统计学习概论；

这章是在学习整个机器学习的一些基础概念，比如说什么是回归问题，什么是分类问题；

什么是正则化，什么是交叉验证，什么是过拟合等等基础概念；必须掌握，没有商量的余地；

第二章是感知机，是最简单机器学习模型，也和后面的神经网络有关系，必须掌握第三章是K近邻算法，这个你现在不需要看，跳过它；

第四章是朴素贝叶斯算法，这个非常重要，里面的概念比如说后验概率，极大似然估计之类的，必须掌握第五章是决策树：这很简单，就是如何特征选择，两个决策树算法；

也要掌握第六章是逻辑回归和最大熵；要看第七章支持向量机，我说一下我的观念哈，我认为这章不需要看；为什们呢？首先在我自己的工作中，几乎没用过支持向量机；

而且现在，在今天，如果你在面试深度学习岗位的时候，有的面试官还在让你手推SVM公式的话，我认为这个面试官是不合格的，这个公司可能未必是你很好的一个选择；第八章提升树，必看，这个提升树算法非常重要；

第九章第十章第十一章，都不需要看；对于隐马尔科夫和条件随机场，之后你如果想深入学NLP，再来看；对于EM算法，入门之后你碰到的时候再去看；

我刚才谈到，对于重点算法必须能够手推公式，哪几个重要呢？不多，逻辑回归，朴素贝叶斯，以及提升树里的xgboost算法；别的算法，你能够自己复述一遍讲出来，就够了；

在看的过程中，如果有不懂的怎么办？就是我刚才推荐一个刘建平老师的博客；

在这里：见思维导图备注这个博客很好，有对应理论介绍，也有使用sklearn实现代码；我刚才还谈到一个准则，是不要去从零造论文实现算法，因为sklearn可以很好的帮助你；

在这个过程中，你要去搞清楚这个算法输入数据，输出数据，每个参数的含义是什么；可以自己自己调一下参数，看看不同参数下最终效果有什么不同；

但是在这里不要花费太大精力在调参上，因为你现在代码实现的是一个demo，数据量很小，调参没什么意义；什么调参呢？我一会会讲到；

整个机器学习理论部分，如果你真的认真去学习，三周时间，你肯定能搞定；你想啊，总共看6章，每章你看四天，这四天，你期中三天看理论部分，一天用代码跑一遍熟悉一下感觉；其实代码这块要跑起来，很快，都不需要一天，两三个小时就可以；四天搞定一章，三周看完一点问题没有；

3.机器学习竞赛

实战然后重点来了，理论部分看完了，也用sklearn做简单的代码实践了，接下来做什么呢？

要把这些算法用到实践中去；也就是我要谈的机器学习竞赛代码实战：在这里，我只推荐一本书，叫做：阿里云天池大赛赛题解析——机器学习篇；记住啊，是机器学习篇，不是深度学习篇；

我先说这本书要不要买：首先我自己是买了这本书，但是我发现书很厚，但是有大量的代码占据了很大篇幅；后来发现代码在天池上已经开源了，所以买完之后有一点点后悔；

不过就全当为知识付费了；拿你们要不要买呢？我觉得没啥必要，反正代码是开源的，一会我告诉链接；不过要想支持一下书的作者的话，可以买一本支持一下；就不要下次一定了；

天池是一个竞赛平台，这本书里面它包含了四个实战型的任务：工业蒸汽预测天猫用户重复购买预测O2O优惠券预测阿里云安全恶意程序检测我来告诉大家怎么看这本书：有四个任务是吧，你挑其中的一个或者两个，不需要都看，没必要；

怎么确定把这一个或者两个任务吃透呢？

七个步骤：赛题理解、数据探索、特征工程、模型训练、模型验证、特征优化、模型融合7个步骤开源代码的链接我放在了思维导图的备注；

就像我说的，四个任务中挑一个或者两个，在一周，七天，三天看一个，七天看两个，或者七天你就看一个，比如第一个，把它吃透就够了；看完之后，你会对之前学习的统计学习书籍里面机器学习算法有一个非常清楚的认识；所以整个机器学习的理论和代码时间，花费时间为1个月；

4.深度学习理论学习

我把深度学习的入门仿照机器学习，也分为两个部分，先学理论，再实战打比赛；其实说心里话，深度学习入门比机器学习入门要简单的多；

在网上很多朋友在推荐深度学习入门路线的时候，会谈到李沐老师【动手深度学习】；

我自己也在跟着学习这个课程，我也学到了很多；但是讲心里话，如果是带入一个初学者的角度去看这门课程，可能会有听不懂的情况；

所以这门课程可以先放一放，我给大家推荐两个视频和一本书；我们都知道深度这块主要就是分为NLP和CV；NLP任务上大概可以分为四种：文本分类 文本匹配 序列标注 文本生成，CV任务大致也可以分为图像理解和生成：理解这块大致可以分为：分类、检测、分割、追踪；

生成这块基本就是GAN模型对于入门来说，我们不用学这么多，我们只需要学籍基础的神经网络，然后通过文本分类和图片分类任务去熟悉掌握整个徐娜林和预测流程，比如数据处理，模型搭建等呢吧；

最后：关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、精品Python学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、Python练习题

检查学习结果。

七、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。


最后，千万别辜负自己当时开始的一腔热血，一起变强大变优秀。