我的机器学习路线

1.基础语言的学习
目前我以python为主，matlab为辅助语言进行学习的。
python语言的学习有很多的途径，我以北理的python语言系列教学视频（中国大学mooc）为主，学习路线为‘Python程序语言设计’--‘python数据分析与展示’ ，辅导书推荐小甲鱼编著的《零基础入门学习python》
2.基础数学理论需求：
高等数学， 线性代数，概率论，（统计学）
3.基础算法：
（1）吴恩达  机器学习（ coursera版）（正版学习需要翻墙）
深入浅出 ，讲的非常清晰明白，重理解，数学推导较少，总体比较浅
涉及机器学习大部分内容，包括线性回归，逻辑回归，神经网络，支持向量机（不是太细），聚类，降维，异常检测几个部分
（2）吴恩达  机器学习 （斯坦福大学公开课） http://open.163.com/special/opencourse/machinelearning.html
这个课程时间很长，内容很细，涉及大量的计算和数学知识，建议作为补充学习。
基本把ML讲全了，包括coursera没谈及的 牛顿法，生成学习，贝叶斯分类器，支持向量机等
（3）周志华 《机器学习》（清华大学出版社）
这本书涉及全面，据作者说讲的比较浅但是我有大量的内容看不懂，涉及比较多的公式和推导，缺点是不够直观，缺少例子，直接照书学可能比较困难，但是做为教辅很好，如果感兴趣可以上网进行扩展学习。
附：我的扩展学习
01 决策树与随机森林 https://www.cnblogs.com/fionacai/p/5894142.html
02 雅各比矩阵和海森矩阵 http://jacoxu.com/jacobian%E7%9F%A9%E9%98%B5%E5%92%8Chessian%E7%9F%A9%E9%98%B5/
03 支持向量机 https://www.cnblogs.com/steven-yang/p/5658362.html   
                        https://www.zhihu.com/question/21094489
04 极大似然估计 http://blog.csdn.net/zengxiantao1994/article/details/72787849
05 EM算法 http://blog.csdn.net/xueyingxue001/article/details/52020673
                   https://www.zhihu.com/question/27976634?sort=created
06 贝叶斯估计 https://www.guokr.com/question/547339/
07 强烈推荐微信公众号：超级数学建模
（4）Peter 《机器学习实战》
比较有名的机器学习实战书籍，没看完，暂时不做评价
4.神经网络和深度学习
目前学习中……
（1）吴恩达  深度学习 （Coursera）
这次网易云课堂有简体中文的转播（深度学习微专业），但是没作业。作业需要交钱49美元/月
（2）李飞飞 深度学习计算机视觉（斯坦福大学 cs231n）
说实话感觉比吴恩达的课要难，因为个人的底子不好，有些部分有点没听懂
（3）《深度学习》
这本书被誉为DL圣经，正在学习中……