导读：GitHub上一份机器学习完整路线引起了广泛关注，在短短的十个小时里已经收获了一千多个点赞。作者Giacomo回顾了自己三四年间学习机器学习的心路历程，毫无保留的分享出自己收藏的各种学习资源，工程，工具，awosome集合，教程以及各种实践经验。
Github链接：
https://github.com/clone95/Machine-Learning-Study-Path-March-2019/tree/master/Career Paths/Machine Learning Engineer Career Path
作者强烈建议购买由Oreilly撰写的《用SciKit学习和TensorFlow进行机器学习》这本书，它给作者很强的激励，并推动了他所列出的大部分内容的组织和层次结构。所有内容都是开源和免费的，其中大部分来自世界著名的大学和开源协会。
整个机器学习完整路线图被分为四个部分：
1. 预备知识
• Python
• Jupyter Notebook
• The Math you need
• The Machine Learning landscape
2. 基于Scikit-Learn的机器学习
• Why Scikit-Learn?
• End-to-End Machine Learning project
• Linear Regression
• Classification
• Training models
• Support Vector Machines
• Decision Trees
• Ensemble Learning and Random Forest
• Unsupervised Learning --- new
• Wrapping up and looking forward
3. 基于TensorFlow的机器学习
• Why TensorFlow?
• Up and Running with TensorFlow
• ANN - Artificial Neural Networks
• CNN - Convolutional Neural Networks
• RNN - Recurrent Neural Networks
• Training Networks: Best practices
• AutoEncoders
• Reinforcement Learning
• Next steps
4. 实用工具
• Machine Learning Projects
• Data Science Tools
• Blogs / Youtube Channels / Websites worth taking a look!
以下是作者分享内容的PDF文档整理，供感兴趣的专知用户学习收藏，部分展示如下：
