总纲
前言：
经过2018年一整年断断续续，零零总总的广泛涉猎，从一个机器学习（人工智能领域）的一个门外汉，当然目前也不敢妄自菲薄地说已经跨上门槛，更不用提登堂入室了，不过也算是有所心得，这一年的管中窥豹，让我发觉想要深入一个领域，基石至关重要，因此，本系列总纲，将以一个小白的身份，由内而外地去学习、实践、总结机器学习中的相关内容。2019年，真的是一个不错的年份，“20,19”--“爱你，19”，重回19岁，重新起步，脚踏实地。与君共勉。
第一部分-- 数学基石：
第一部分将关注机器学习的理论知识点的积累，包括线性代数、概率论与数理统计、微积分、图论等，重点围绕线性代数和概率论与数理统计。
线性代数-- 围绕mit18.06 linear algebra的公开课来进行
mit18.06 linear algebra的公开课
mit18.06 linear algebra的公开习题课
国内一些相关书籍习题解读
mit18.06 linear algebra历年公开习题，考试题解读（这一小节会和第二小节有部分重叠）
概率论与数理统计（待定）
第二部分-- python基石：
第二部分将围绕python来应对机器学习中的相关数据处理和可视化，重点围绕scikit-learn，这一部分不会单独连续的发文，将作为配合第三部分的基础coding support来关联发文。单独的各个知识点，也已经有很多优秀的公众号整理过了，这里也就不重复造轮子了。当然python社区一直在高速的发展之中，因此也会对一些有趣（有料）的模块进行学习。
Numpy
Scipy
Pandas
Matplotlib , Seaborn, Pyecharts 等可视化库
Scikit-Learn （重点）
有趣的模块（对于一些python模块的介绍学习）
第三部分-- 机器学习基础算法：
在机器学习如此火热， 各种学习视频、文本教程、直播等等资源如此丰富的情况下，为何还要深入基础算法呢？因为想要由内去理解算法解决问题的思想，而外去理解算法解决问题的结果以及如何将其推广应用到现实场景。
这一部分将以第一部分的内容来理解机器学习算法的核心思想
这一部分将以第二部分的内容来实践机器学习算法
第四部分-- 机器学习算法进阶：
这一部分将继续深入学习基础算法之外的算法。方法论延续第三部分，后续如有补充，再做修改。
暂定围绕Andrew Ng 在网易云课堂的AI公开系列课程来继续深入。
第五部分 -- 其他有趣的部分：
“独学而无友,则孤陋而寡闻”
一方面也将吸纳同好者，收录相关的文章
技术基础（计算机基础能力，相关问题的排查等）：可能遇到的问题的一些处理解决方案，不一定是python相关。
另一方面，也将不断开拓其他的渠道来共同进步
"张弛有度, 刚柔相济"
虽然从本文来看，所列信息无非寥寥，实则浩瀚，个人能力、时间、精力都是有限，欢迎同好者同行，也欢迎有识者不吝指正谬误
既然准备对外，那自然会有小小的私心，或许当粉丝数达到2019的时候，到20190的时候，到201900的时候…办点活动吧？无论是线上的，还是线下的~
致谢：
我们身处一个激流勇进的时代，跨维攻击、降维打击等等层出不穷，为何将名称叫做“零维领域”呢，在我理解，我们就像是身处一个零维空间里面，其他空间在我们所处的空间交汇，往任意一个方向（维度）上走一走，我们就进入一个对我们各自而言未知的领域，而人工智能则恰好是一个较高（大）维度的空间（包含海量的信息），一步进入，或许就找不到回到自己零维空间的路。因此我们需要构建自己零维空间紧邻的外围领域，在这个领域里（亦即知识领域），我们畅游自如。引申宇宙大爆炸学说之论，宇宙之初是那一个无穷无尽的“点”，而在其突围自我之后，这个世界变得精彩绝伦，这，或许也是我们该追求的精彩，这，就是我想做到的事情吧。
总纲将会不断修订
ps:
封面图来源于网络
本文分享自微信公众号 - 零维领域（lingweilingyu）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4582359/blog/4385028