化学专业的数学也不好吗？…… 那你唯一的优势没有了。

作为清本计算机系的过来人可以告诉你的是，这个系过去几年年的氛围都被竞赛党带歪了，有种重工轻理的感觉，数学真正每一门好好学（不是单纯指学分绩，而是指领会数学思想）的屈指可数。不过反过来，这种氛围下本科毕业的 coding 能力也是很强的。什么 django 之流，那都是我系暑假小学期一个星期学的东西（我们当年的结课作业是撸个全文搜索网站，当然可以用库）

所以想要弯道超车，只能靠数学碾压，那么在这个 AI 大兴的时代还有一战之力。 coding 的话，弯道超车没指望。不过好好学也大概不会太差。

这个 IDE 包办一切的年代，此种上古技巧已经不是标准用法了吧……

Vue

@zjqzxc 我现在都不爱用 apt-get install python-xxxx 了，因为版本不能自由控制，经常装到旧版，程序 gg 。

@xvx ……你不试试怎么知道不合适。

不是 Anaconda 专用来科学计算，是科学计算的库大多用 C 写。科学计算的大多是研究院，折腾不来自己安装，所以 Anaconda 就是救星了。

我发现程序员反而觉得自己很厉害，不肯用 Anaconda ，硬要折腾 pip 和各种自行编译。当然我原先也是带有这种歧视的，直到我真的用了 Anaconda ……

在 Ubuntu 里面 libxml2 和 libxml2-dev 是两个软件包。前者不带头文件和链接库。

如果是 Ubuntu ： apt-get install -y libxml2-dev python-dev build-essential
然后 pip install 基本可以解决问题。
- - - -

根本原因是 libxml 用了 C 语言写的库，所以要装一个。你用多了就会发现， Linux 下面装 Python 的包远比 Windows 容易。基本上就是看看出错信息，了解一下哪些库系统还没装，然后 apt-get install 对应的包，然后就解决了。

如果是 Windows ，你基本上只能期待有预先编译好的版本，如果没有，那就恭喜你了……
- - - -

此外你可以选择 Anaconda ，作为一个独立的 Python 发行版，它有巨大的预编译仓库。

黑客难道不是看基础功和积累的吗？哪有什么俗称的学习路径……

你真想变得屌炸天，先把 C 语言、操作系统、计算机网络、还有一些常见 web 编程语言和框架（包括但不仅限于 php, python, java ）学了再说。

GTX Titan X 459.46M hash/s

@freethink Coggle 确实不错，但是总觉得离我的需求还差一截。

我也很想用脑图整理思路，但是总觉得各种脑图都不顺手，于是退回纸笔去了。

博客重要的难道不是内容吗？

顺便偷偷告诉你一个盗版 PDF 下载网站： http://bookzz.org

@hx1997 达到能差不多开始能看懂一本正儿八经的机器学习书籍的程度，然后你去看机器学习，看着看着你就会明白以前学过的数学有啥用，并且发现数学又不够了，然后再继续学数学。

当然微积分和线性代数是基础中的基础，这个你开始学完了再开始看机器学习的书吧。我推荐两本（我看过的）机器学习书：[Deep Learning]( http://www.deeplearningbook.org) 和 [Pattern Recognition and Machine Learning]( https://www.amazon.com/Pattern-Recognition-Learning-Information-Statistics/dp/0387310738)

数学书的话，我个人比较推荐用英文版的去自学，不过中文版的如果你认真跟着教授的讲课走估计也不差。这里面的差距在于英文版的书会有比较多的例子引导初学者，有很多书在讲概念之前会用不怎么精确的自然语言给读者建立一个直观印象。但是中文版大多是定理-证明的组织逻辑，直观印象需要老师讲，或者你自己想象。所以不推荐中文版教材自学……

@hx1997 搞机器学习的应用需要比较好的概率论、线性代数和最优化方法（求函数极值）。

概率论和最优化方法的先修是微积分，所以是重中之重。线性代数的重点在于学会从线性空间角度看矩阵和向量运算，而不是死板的那些东西。

如果要高机器学习的研究，你可能还需要学数学分析。

…… 拿不到货难道不能是更新了一个版本吗？楼主神逻辑。