在众多机器学习生态中，Python是发展最快的应用机器学习平台之一。在这个极简机器学习课程中，您将了解如何在14天内学习使用Python构建准确的模型并自信地完成预测建模机器学习项目。课程将包括分步教程和所有示例的Python源代码文件。让我们出发吧。
这个极简机器学习课程适合你吗?
在我们开始之前，让我们确保你适合这个极简课程。
下面的列表提供了一些关于本课程目标对象的一般特征。
如果你没有完全符合这些要点，不要惊慌，你可能只需要在一个或另一个领域复习一下才能跟上。
知道如何编写少量代码的开发人员。这意味着，如果您了解一些其他编程语言的基本语法，再学习Python就不是什么大问题了。这并不意味着你得是一个经验老到的程序员，你可以毫不费力地使用一种基本的类C语言就足够了。
懂一点机器学习的开发人员。这意味着你知道机器学习的基础知识，比如交叉验证、一些算法和偏差方差权衡。这并不意味着你是一个机器学习博士，只是你知道地标或者知道在哪里可以找到它们。
需要注意的是，这个极简课程既不是Python的教科书，也不是机器学习的教科书。
它将把你从一个知道一点机器学习的开发人员变成一个可以使用Python生态系统(专业机器学习的新兴平台)获得结果的开发人员。
极简课程概述
这个极简课程分为14节课。
你可以每天完成一节课(推荐)或在一天内完成所有课程(硬核!)这取决于你有多少时间和你的热情程度。
以下是将帮助您开始使用Python进行机器学习的14节课程：
第一课:下载并安装Python和SciPy生态系统。
第二课:使用Python、NumPy、Matplotlib和Pandas。
第三课:从CSV加载数据。
第四课:用描述性统计理解数据
第五课:用可视化理解数据
第六课:通过预处理数据为建模做准备。
第七课:用重采样方法进行算法评估。
第八课:算法评估指标。
第九课:抽查算法
第十课:模型比较和选择。
第十一课:通过算法调优提高准确性
第十二课:用集成预测提高准确性
第十三课:完成并保存模型。
第十四课:HelloWorld端到端项目。
每节课可能不到0分钟。慢慢来，按照自己的节奏完成课程。提出问题，或者在下面的评论中发布结果。
这些课程希望你迈开步子，去找出做事的方法。我会给你一些提示，但我更希望你强迫自己学习去哪里寻找关于Python机器学习平台的帮助。
我确实在先期的课程中提供了更多的帮助，因为我希望你们建立一些信心和惯性。
坚持，不要放弃！这比高考简单多了，不是吗？
第一课简介:下载并安装Python和SciPy
在您拥有一个可用的Python平台之前，您无法开始使用Python生态下的机器学习。
今天的课程很简单，您必须在计算机上下载并安装Python.8平台（您可以尝试最新的版本）。
访问Python主页并下载适用于您的操作系统(Linux、OSX或Windows)的Python。在计算机上安装Python。您可能需要使用特定于平台的包管理器，例如OSX上的macports或RedHatLinux上的yum。当然，Windows下的Python安装包无疑是最便捷的开始，但我建议您试试Linux或者鸿蒙环境。
您还需要安装SciPy平台和scikit-learn库。我建议您使用与安装Python相同的方法。
您可以使用Anaconda一次安装所有内容(更容易)。推荐初学者使用，这可是众多数据科学家的瑞士*刀。（稍晚，我会专门发布一个关于配置Anaconda的教程。请先