machine-learning-roadmap
mrdbourke/machine-learning-roadmap加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
一张图看懂机器学习全貌：概念关联、学习路径与工具选型
图1：2020 机器学习路线图总览图（图片来源：项目仓库）
想象你要去一个陌生的城市旅行，没有地图、没有导航、没有攻略——你只能靠随机走，结果往往是在同一条街上来回打转。机器学习的学习者面临的正是这样的困境：数学、编程、数据处理、深度学习、模型部署……每一个方向都有大量概念相互交织，新人极易迷失。
Daniel Bourke 是一位来自澳大利亚的机器学习工程师和 YouTube 内容创作者（频道订阅者超过 10 万），他用 2020 版机器学习路线图解决了这个问题。这张路线图将机器学习领域最核心的 5 大板块串联起来，帮助学习者从宏观上把握知识结构，再按图索骥深入每个节点。
截至目前，该项目已获得 7863 颗星、1174 次 Fork，被全球 ML 学习社区广泛引用，是同类资源中star数最高的路线图之一。
这张路线图并非简单地罗列知识点，而是以"问题 → 流程 → 工具 → 数学 → 资源"为逻辑线，建立了知识点之间的关联网络：
第一板块：机器学习问题（ML Problems）
路线图首先引导学习者思考：什么是机器学习问题？它和传统编程的区别在哪里？监督学习、无监督学习、强化学习的适用场景分别是什么？Bourke 强调，学会定义问题是解决问题的前提，很多初学者卡在建模阶段，根源是对问题类型的误判。
第二板块：机器学习流程（ML Process）
一旦确认了问题类型，接下来是完整的 ML 流程：数据收集 → 数据清洗 → 特征工程 → 模型选择 → 训练 → 评估 → 部署。路线图对每个环节都标注了常用工具，例如 Pandas 处理数据清洗、Scikit-learn 做模型选择、TensorFlow/PyTorch 进行深度学习训练。
第三板块：机器学习工具（ML Tools）
这是路线图最具实用价值的部分。Bourke 根据 2020 年左右的行业实践，列出了各环节的主流工具选型：
第四板块：机器学习数学（ML Mathematics）
Bourke 清醒地认识到，很多转行者卡在数学基础上。这部分路线图梳理了学习线性代数、概率论、统计学、微积分的优先级，并推荐了 Khan Academy、Coursera、3Blue1Brown 等免费学习资源。
第五板块：学习资源（Resources）
路线图还整合了 Daniel Formoso 的机器学习思维导图（同样高 star），并提供了 Bourke 自己制作的长达数小时的视频讲解（比大多数电影还长，参见 README 中的 YouTube 链接）。
对于 AI 爱好者，这份路线图是一张全局认知地图：即使你不打算成为 ML 工程师，理解机器学习的知识结构也能帮助你更好地与技术人员沟通、评估 AI 产品的合理性。你可以：
对于 AI 开发者，这份路线图是一份自我检核清单：
路线图还提供了 Keynote 源文件（2020-ml-roadmap-keynote.pdf），可直接下载后在此基础上定制为自己的项目路线图。
需要指出的是，这份路线图存在以下局限性：
时效性问题：路线图发布于 2020 年，虽然 README 声称"90% 对 2023 年仍然有效"，但 AI 领域变化极快。GPT 系列大模型、RAG 架构、LoRA 微调等 2022 年后才兴起的技术并未在路线图中体现。学习者应将这份路线图作为基础框架，而非最新技术指南。
非代码项目：严格来说，这不是一个"可运行"的项目仓库，而是一份知识资源库。没有 Dockerfile、没有 Web UI、没有任何可部署的代码。如果你是冲着"找一个能跑的项目"来的，这个仓库不适合你。
深度有限：路线图以"连接概念"为目的，每个节点只有名称和关联关系，缺乏对每个概念的详细解释。需要配合其他教程和课程使用。
尽管有上述局限，该项目自 2020 年发布以来持续获得关注，star 数从最初的几百增长到如今的 7863，反映了 AI 学习需求的爆发式增长。在 GitHub 机器学习教育类项目中，它的 star 数名列前茅。
更重要的是，它代表了一种知识可视化的实践方向：通过图形化方式降低复杂知识体系的认知门槛。这类路线图和思维导图在开源教育社区中越来越受欢迎，证明了"一图胜千言"在技术传播中的价值。
# 直接克隆查看
git clone https://github.com/mrdbourke/machine-learning-roadmap.git
# 查看完整交互版（在线）
# https://dbourke.link/mlmap
# 观看视频讲解
# https://youtu.be/pHiMN_gy9mk