上手機器學習系列-第2篇-工具&學習資料準備篇
工欲善其事，必先利其器。既然機器學習是一門實踐性科學，那麼過程中就非常重視動手能力了。本期爲大家推薦一些相關的軟件工具、學習資源，以期在正式開始編碼之前讓大家做好相應的準備工作。因爲可以選擇的平臺與工具太多，反而是一種信息干擾，這裏筆者結合多年行業工作經驗爲大家遴選出一些比較好的資料，以節約朋友們的自我探索時間。
1. 編程環境
現如今支持機器學習的軟件可謂層出不窮，但要論普及度及易用度，還是首推[Python]的生態。
1.1 Python本身
從下面這張最新的2020年2月份[TIOBE編程語言排行榜]就可以看出，自從2018年以來Python的流行度加速攀升，這裏面從深度學習的工業實踐更多擁抱Python受益匪淺。其實早在筆者2012年參加工作的時候開始，Python就已經在企業內部非常火了，很多系統端的開發也開始從Java遷往Python。業界廣爲流傳的一句戲稱“人生苦短，我用Python”，也充分證明了這門語言的深得人心。其實這門語言上手還是非常快的，建議大家先去初步掌握一下這門語言，後面我們的公衆號文章也更多地會結合Python來講解。目前Python已經發布到了3.8版本，同學們學習的時候可以直接使用最新版本，注意Python的3.0以後版本與2.x 是基本不兼容的，所以初步者就當2.0x不存在好了（官方已經不再維護），也不要再去使用。
如果僅安裝Python官方版本，後續會有很多package需要自己去安裝。而工業界已經有一款非常綜合性的平臺可以快速建立起一整套Python的工作環境，即下圖所示的[Anaconda]：
因此推薦初學者直接安裝該軟件，它內置了大量好用的Python庫資源，省去了自己安裝的時間成本。但缺點是這個軟件比較大（超2G），而且裏面很多東西未必經常使用，對比較有經驗的朋友來說就顯得有點笨重。
現在企業界的朋友比較喜歡哪一款呢？答案是[Jupyter Notebook]：
這是一款輕量級的平臺，在電腦本地瀏覽器頁面中即可享受編程、可視化等一站式的玩轉數據過程。現在還推出了最新的JupyterLab，稱爲下一代的notebook工作環境，相當值得入手體驗。
小結一下，初步者建議使用Anaconda，未來建議體驗JupyterLab。
1.2 Python+機器學習
對於機器學習來說，Python生態內的[scikit-learn]簡直就是神兵利器！
它內置了大量的機器學習算法包，可以讓初步者快速找到很好用的成熟軟件包，工作效率真是嘎嘎的。而且，如果大家安裝了上面的Anaconda，那麼就已經默認安裝好了這個scikitlearn的package，開箱即可用。
1.3 提一下分佈式
對於入門學習來說，在筆記本上安裝一個Python可能確實就夠用了，但是未來如果進入互聯網公司工作，瞭解分佈式平臺肯定是需要的。這裏筆者給大家推薦Spark這個平臺。
這是一套分佈式迭代計算平臺，在工業界使用非常普遍，支持Scala、Java、Python、R等多種語言。其中有專門用於機器學習的ML模塊，和用於圖計算的GraphX模塊，唯一還不擅長的就是深度學習了。
2. 周邊資源
學機器學習不能光學理論，也要借鑑1W小時理論的說法，勤加練習，這裏就需要不斷地拿一些數據集來練習，也需要找不同的案例來嘗試。以下幾個資源建議關注：
(1) 數據集。
[UCI機器學習數據集]
[Kaggle數據集]
[亞馬遜開放數據集]
一開始不用求多，找一些經典的數據集來掌握機器學習的過程與優化要點即可。
（2）建模練習。
優先推薦 [Kaggle]，這上面有大量的比賽案例、數據集、他人的代碼，是個很好的學習資料來源；
其次推薦在線教育網站[Udacity]，上面有一部分是免費課程，一部分要收費。這個項目的特點是很重視代碼實踐，練習題設計得難易適中。
交流羣
歡迎關注本人公衆號：
爲方便大家交流與提問，可加入以下微信羣或QQ羣：
