1. 第一階段：基礎入門(3-6個月)
入門的第一步是學習一些經典課程並配套經典書籍，一般來說這個過程在半年之內比較合適。在這個部分我介紹的課程和書籍都屬於難度非常低的，對數學和程式設計都沒什麼太大的要求。
1.1. 吳恩達cousera機器學習課程
1.2. python機器學習 & introduction to statistical learning with r
python機器學習：這本書出版於2023年並多次再版，在亞馬遜中國上我們可以找到影印版和翻譯版。這本書去掉了大量的數學推導的部分，僅保留了機器學習的核心應用。閱讀本書可以快速對如何使用python機器學習框架sklearn有乙個基本的了解，可以很快上手開始工作。本書涉及的內容很廣泛，雖然只有400多頁，但內容涉及了資料預處理(data preprocessing), 維度壓縮和核函式(dimension reduction & kernel)，評估方法如交叉驗證，整合學習，情感分析，聚類，甚至還包括了神經網路和theano。更多介紹：帶你讀機器學習經典(三): python機器學習(chapter 1&2)(
1.3. 周志華《機器學習》
周志華老師的《機器學習》也被大家親切的叫做「西瓜書」。雖然只有幾百頁，但內容涵蓋比較廣泛。然而和其他人的看法不同，我建議把西瓜書作為參考書而不是主力閱讀書。西瓜書因為篇幅的限制，涵蓋了很多的內容但無法詳細的展看來講，對於初學者自學來說實際閱讀難度很大。這本書更適合作為學校的教材或者中階讀者自學使用，入門時學習這本書籍難度稍微偏高了一些。
2. 第二階段：高階學習(3-6個月)
在這個階段，你已經對機器學習有了基本的了解。如果你認真的閱讀了isl並上完了吳恩達的課程，我相信你已經在理論上明白了什麼是線性回歸，什麼是資料壓縮，對特徵工程以及簡單的回歸/**問題有了理論上的基礎。這個時候最重要的就是進行實踐！
2.1. kaggle挑戰賽/練習
kaggle（your home for data science）在資料分析領域早已大名鼎鼎，甚至可以說是資料分析第一社群，前一陣子剛剛被谷歌收購。kaggle上有很多很好的資料集和挑戰賽，你可以嘗試這些挑戰取得名次，甚至拿到獎金，對於將來找工作也非常有幫助。而且kaggle的另一大優勢是網友會分享他們的經驗和看法，你也可以提出問題讓大家來幫你提出一些修正方法。
國內也有類似的平台，比如天池大資料競賽，其他類似的平台還包括datacastle。
使用kaggle的目的主要是將技能落在實處，防止練就一身屠龍之技。機器學習最大的幻覺就是覺得自己什麼都懂了，但等到真的使用時發現並不奏效，而kaggle是乙個低成本的應用機器學習的機會。
2.2. sklearn文件學習
sklearn(scikit-learn: machine learning in python-是python上最流行的機器學習/資料科學工具包，上文介紹的python machine learning書中就大量使用sklearn的api。和使用kaggle的目的一致，學習的sklearn的文件也是一種實踐過程。比較推薦的方法是把主流機器學習模型sklearn中的例子都看一遍。
sklearn的文件是少數寫的跟教程一樣的技術文件，很具有閱讀價值。舉個簡單的例子，假設你想學習python中使用邏輯回歸，就可以參考: logistic regression 3-class classifier(
sklearn的文件不僅提供了練習資料、sklearn的相關**例項，還提供了視覺化圖。
2.3. 周志華機器學習
再次提到周老師是因為西瓜書是值得常常翻看的一本書，在kaggle挑戰和閱讀sklearn文件的過程中你還會時不時的遇到一些新的名詞，比如流形學習(manifold learning)等。這個時候你會發現西瓜書真的是一本中級階段大而全的書籍:)
3. 第三階段(可選*)：深度學習(3-6個月)
因為深度學習是當下的熱點，很多公司都在尋找深度學習人才。雖然深度學習只是機器學習的乙個子集，但有興趣朝這個方向發展的朋友可以在完成以上學習後單獨學習一下深度學習。
3.1. 吳恩達深度學習課程
吳恩達在八月份的時候通過deeplearning.ai和coursera平台推出了最新系列的五門深度學習課程(deeplearning.ai)。有條件的朋友可以通過coursera學習獲得證書，最近網易雲課堂也上線了這門課的翻譯版。如果想要上其中的課程，需要先註冊報名「深度學習工程師微專業」 深度學習工程師微專業 - 一線人工智慧大師吳恩達親研-網易雲課堂 - 網易雲課堂(之後就可以分別點開每門課單獨進行學習。和coursera上的dl同步，現在雲課堂也上線了五門中的前三門課程，而卷積網路(cnn)和迴圈網路(rnn)還未開放。
更多關於網易雲課堂上深度學習課程的介紹可以看：如何評價網易雲課堂上線的吳恩達deep learning課程？(
3.2. deep learning - by iangoodfellow
深度學習這本書是由當下深度學習領域的幾位領軍人物所著，包含三大巨頭之一的bengio，還有教父hinton來作序推薦。這本書的中文字翻譯由張志華教授團隊負責，在github上免費放出了翻譯版本，印刷版也可以從亞馬遜中國上買到。
英文版：deep learning
中文版：exacity/deeplearningbook-chinese
為了補充基礎可以閱讀第1-5章其中也包含了一些數學知識
只關注主流神經網路知識可以閱讀6-10章，介紹了dnn/cnn/rnn
需要進一步了解一些調參和應用技巧，推薦閱讀11和12章
第13-20章為高階章節，在入門階段沒有必要閱讀。其實比較實際的做法是吳恩達的課程講到什麼概念，你到這本書裡面可以閱讀一些深入的理論進行概念加深，按章節閱讀還是比較耗時耗力的。
4. 第四階段：深入研究
課程表裡的表表機械人 機械人課程表
機械人課程表 無 期刊名稱 小學科技 年卷 期 2013 000 001 摘要 在新學期來臨前，巨人號 飛船的戰士阿布特意派小小裝甲機械人 給大家送來好玩的課程表。同學們快快動手製作吧。總頁數 頁 p 32 32 初等教育 手工課製作方法 材料 作者 無 作者單位 不詳 正文語種 英文 中圖分類 g...
leetcode 課程表I，課程表II
課程表 你這個學期必須選修 numcourse 門課程，記為 0 到 numcourse 1 在選修某些課程之前需要一些先修課程。例如，想要學習課程 0 你需要先完成課程 1 我們用乙個匹配來表示他們 0,1 給定課程總量以及它們的先決條件，請你判斷是否可能完成所有課程的學習？示例 1 輸入 2,1...
課程表裡的表表機械人 樂高機械人初級課程表
樂高機械人初級課程 適合2 3 個學生為一組搭建和程式設計設計機械人方案。共個元件 的套裝中包括乙個 nxt可程式設計的微型電腦，一塊可充電的鋰電池，三個伺服電機，二個觸動感測器，乙個光電感測器，乙個超聲波感測器，乙個聲音感測器，三個 燈以及足夠課堂教學所需的樂高積木。另外還有 根連線rcx 感測器...