这几天看到一本书《从机器学习到深度学习（基于scikit-learn与Tensorflow的高效开发实战）》 感觉非常适合AI知识架构的搭建，在这里记录一下，其实里面还有非常棒的细节，比如：
- 把Numpy、Pandas、Matplotlib 作为了Python基础工具，感觉这个思路非常好可以用自己的知识体系梳理
- 作者把各知识点整理的非常清晰，框架用途和设计之初的理解说的特别清晰，
- 几乎所有的Python科学计算库都使用Numpy封装数组与矩阵运算
- ① 按照Scipy 官方定义，在理想情况下，Numpy应该只包含多维数组数据结构本身和一些围绕其进行的基本操作：读取、排序、变形等
- ② 而Scipy是利用Numpy的基础数据结构进行数学运算，比如线性回归、概率分布、傅里叶运算等
- ③ 建议新项目开发，选项Scipy进行除加减乘除外的其他高级数学运算
框架应用
-
Numpy应用： 数据封装工具，学习其中的标量、向量、索引、遍历、常用操作
-
Matplotlib应用: 用于展示数据的工具，学习散点图、组合图、图像等的基本绘制方法
-
Scipy应用: 用于科学计算的工具，比如微积分、插值、傅里叶变换、矩阵等
书籍目录记录
后期知识体系整理可参考此目录
