機器學習是關於使計算機執行智能任務，而不是明確地編碼它們怎麼做。這是通過訓練有大量數據的計算機來實現的。

機器學習可以檢測郵件是否為垃圾郵件，識別手寫數字，檢測交易中的欺詐等等。

概率和統計

機器學習與統計學密切相關。

您需要了解統計學和概率論，描述統計學，貝葉斯準則和隨機變數，概率分佈，抽樣，假設檢驗，回歸和決策分析的基本原理。

線性代數

您需要知道如何使用矩陣，以及如何在矩陣加法，減法，標量和矢量乘法，逆，轉置和矢量空間等矩陣上進行一些基本操作。

微積分學

你需要知道微分和積分的基礎知識。

編程技巧

有一點編碼技能就足夠了，但最好有數據結構，演算法和OOP概念的知識。

學習機器學習的一些流行編程語言是Python，R，Java和C ++。

您要決定您想要掌握哪種編程語言，但建議您對其他語言有一點了解，以及它們的優缺點是否優先於您的首選語言。

數據工程師技能

您需要能夠處理大量數據（大數據），並具有數據預處理，SQL和NoSQL，提取，轉換，載入，數據分析和數據可視化等方面的知識。

機器學習演算法的知識

您需要熟悉流行的機器學習演算法，如線性回歸，邏輯回歸，決策樹，隨機森林，聚類（即K均值，分層），強化學習和神經網路。

機器學習框架知識

您需要熟悉流行的機器學習框架，如scikit-learn，TensorFlow，Azure，Caffe，Theano，Spark和Torch。