先学机器学习还是深度学习？

先学机器学习还是深度学习？本图整理了基础部分、机器学习、深度学习、应用方向的内容，有兴趣的可以看看哟。

先学机器学习还是深度学习？

• 1.基础部分
  • 1.Python基础
  • 2.Numpy
    • Numpy数据类型
    • Numpy常用函数
  • 3.Pandas
    • Pandas简洁
    • Pandas的数组属性
    • Pandas数据处理
    • Pandas函数
    • TQDM
  • 推荐教程：Python菜鸟教程
    • 须知
      • 学习Python不用花费很长时间，大概一两周就可以了，学到菜鸟教程中的内置函数那一节就可以了，如果后面还需要涉及到更深的内容，回过头再补就行了。
  • 4.数学基础
    • 微积分
    • 线性代数
    • 概率论与数理统计
    • 推荐书籍：机器学习中的数学
      • 须知
        • 入门不用把整本书全部读完，只需要把微积分、线性代数、概率论与数理统计这些内容给学会即可。
  • 5.数据分析实战
    • 数据清洗
    • 数据统计
    • 推荐书籍：利用Python进行数据分析
• 2.机器学习
  • 机器学习理论入门
    • 推荐书籍
      • 1.统计学习及监督学习概论
      • 2.感知机
      • 3.K近邻法
      • 4.朴素贝叶斯法
      • 5.决策树
      • 6.逻辑回归
      • 7.支持向量机
      • 8.提升树
      • 9.EM模型
      • 10.隐马尔可夫模型
      • 11.条件随机场
      • 12.梯度下降优化方法
      • 13.XGBoost、LigtBGM
      • 推荐的博客与仓库（看不懂书就看这）
        • 刘建平博客
        • 刘建平仓库
      • 推荐书籍：统计学习方法
        • 须知
          • 只需要把我打了√的章节学完即可，入门不用把整本书全部学完。
    • 推荐教程：吴恩达机器学习
  • 机器学习实战入门
    • 推荐竞赛项目
      • kaggle房价预测任务
    • 推荐书籍：阿里云天池大赛赛题解析·机器学习篇
      • 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
• 3.深度学习
  • 全连接神经网络
    • 线性模型
    • 回归与分类
    • 感知机
    • MLP
    • 维度诅咒
    • 损失函数
    • 梯度下降
    • 反向传播
  • 深度学习计算
    • 欠拟合与过拟合
    • 正则
    • 数据增强
    • 数据稳定性
  • 卷积神经网络
  • 优化算法
    • EMA
    • 动量梯度
    • L2正则
    • 梯度
    • AdaGrad算法
    • RMSProp算法
    • Adadelta算法
    • Adam算法
    • 学习率与调节器
  • 循环神经网络
  • 入门推荐书籍：深度学习入门：基于Python的理论与实现
    • 进阶实践推荐书籍：动手学深度学习pytorch版
• 4.应用方向
  • 计算机视觉
    • 图像分类
      • Transformer
      • CNN卷积神经网络
      • MLP
    • 目标检测
      • YOLO
    • 图像分割
      • FCN
      • FPN
      • U-Net
    • 目标跟踪
      • deepsort
      • YOLO
    • 图像生成
      • GAN
    • 推荐教程
      • 【李飞飞CS231N计算机视觉课程】
        • 课后作业地址
  • 自然语言处理
    • 文本分类
      • KNN
    • 文本匹配
      • DSSM
    • 文本生成
      • RNN
    • 序列标注
      • HMM
    • 推荐书籍：自然语言处理入门
  • 看不懂论文中的代码看这个网站