这里是机器学习相关资源总结
学习路线
- 大概是最靠谱的入门学习路线了：机器学习、数据挖掘 如何进阶成为大神？
- 有很多资源，方便程序员向机器学习转型：普通程序员如何向人工智能靠拢
- 内容丰富深刻，主要包含深度学习，机器学习，计算机视觉，语音识别等：zouxy09博客原创性博文导航
- 作者完整地学完了三个机器学习教程：包括“Stanford CS229”，”Machine Learning on Coursrea” 和 “Stanford UFLDL”，博客包含各种数学推导部分：machine learning的数学推导
- 都在youtube上，需要vpn与英语：2016年不可错过的21个深度学习视频、教程和课程
- EasyPR的作者，内容很不错：普通程序员如何转向AI方向
- 机器学习数学知识资源贴，全都有：机器学习的数学
- 机器学习资料与攻略超强整理吐血推荐（二）
资源
- 一个很厉害的语言专业博主，内容很多很全：机器学习入门书单-码农场
- 不多说，很全很给力：斯坦福大学机器学习个人笔记完整版（附所有视频和字幕）
- 机器学习基石课程笔记，神经网络相关：marcovaldong
- python机器学习：python机器学习入门资料梳理
- Machine Learning Exercieses:Machine Learning Exercises In Python
- 很多经验,有很多很好的回答，非常不错，可以看看：深度学习如何入门
- 这个Github上的Python机器学习库提供大量优秀资源，让你快速入门:dive-into-machine-learning
- 肥肥的兔子的专栏
- 非常非常棒的一系列 python 机器学习（Machine Learning）实践入门教程:python Machine Learning
- 很多实例，包括人脸识别，opencv，语音识别,文本分类等：http://blog.csdn.net/abcjennifer/article/category/1173803/4
- 白马负金羁的推荐，作者出版了好几本书，还经常在群里吹水，真是神奇：机器学习与数据挖掘网上资源搜罗——良心推荐
- cs231n,kaggle,ufldf,cs229
- tensorflow，深度学习等，内容丰富，有时间一定看看：小石头的博客
另外，答主学校的机器学习程序猿们一般学习路线是这样：先学python或R基础，然后开始看《集体智慧编程》、《机器学习实战》来了解这些算法的模型和基本实现，顺便可以去kaggle 101区试试水。然后还没放弃的就去啃《统计学习方法》、PRML、ESL和顶级会议的paper了。当然，大神随意…
机器学习入门可以说说，大数据就不知道了
看书：机器学习算法原理与编程实践（偏向代码工程实现）／周志华的西瓜书（偏向基础原理解说）／蓝本的统计学习方法（偏向统计分析的挖掘算法）／数据挖掘技术（十分详细的讲解数据挖掘的知识，包括数据预处理之类的）
上面后面三本选一本好好看透，对机器学习和数据挖掘应该都能够有基本的了解，实践那本可以边做比赛项目，当工作书使用
视频：推荐林轩田的机器学习基石／技法
比赛：kaggle，很多的小的项目比赛练手
建议题主先确定自己的具体方向，然后结合项目和比赛边做边学，而且这个问题知乎上有很多比较好的建议，需要掌握的技能图