博客已经空置两三年了，一直都觉得无从下笔，万事开头难，我要跨出第一步！
今天想谈的是机器学习。由于我大学本科专业是信息与计算科学，专业课是数学课，后悔大学没有看吴军博士编写的《数学之美》，没有能早发现数学之美妙，没有努力学习，现在只能恶补回来。（后续会整理MIT的线性代数笔记、概率论笔记）不过也不用担心，只要是大学数学知识丢掉的，学起机器学习也不是特别费劲。
幸运的是，现在公司的项目刚好有海量数据可以用，趁着这个机会，尝尝机器学习的甜头。
那么，以我的个人经验，学习一门学科、技术，都会先去了解学科、技术的背景，然后应用场景，技术可以解决什么事情，怎么解决，然后带着问题去学习。
以下是我个人对自己规划的机器学习之路。
- 背景知识
- 理论知识
- 实战
- 源码
我规划的大线路是这样的，也是采用分而治之的思维，具体的算法在后续会有记录。