1.基礎語言的學習
目前我以python為主，matlab為輔助語言進行學習的。
python語言的學習有很多的途徑，我以北理的python語言系列教學視訊（中國大學mooc）為主，學習路線為‘Python程式語言設計’--‘python資料分析與展示’ ，輔導書推薦小甲魚編著的《零基礎入門學習python》
2.基礎數學理論需求：
高等數學， 線性代數，概率論，（統計學）
3.基礎演算法：
（1）吳恩達  機器學習（coursera版）（正版學習需要翻牆）
深入淺出 ，講的非常清晰明白，重理解，數學推導較少，總體比較淺
涉及機器學習大部分內容，包括線性迴歸，邏輯迴歸，神經網路，支援向量機（不是太細），聚類，降維，異常檢測幾個部分
（2）吳恩達  機器學習 （斯坦福大學公開課）

http://open.163.com/special/opencourse/machinelearning.html
這個課程時間很長，內容很細，涉及大量的計算和數學知識，建議作為補充學習。
基本把ML講全了，包括coursera沒談及的 牛頓法，生成學習，貝葉斯分類器，支援向量機等
（3）周志華 《機器學習》（清華大學出版社）
這本書涉及全面，據作者說講的比較淺但是我有大量的內容看不懂，涉及比較多的公式和推導，缺點是不夠直觀，缺少例子，直接照書學可能比較困難，但是做為教輔很好，如果感興趣可以上網進行擴充套件學習。
附：我的擴充套件學習
01 決策樹與隨機森林 https://www.cnblogs.com/fionacai/p/5894142.html
02 雅各比矩陣和海森矩陣 http://jacoxu.com/jacobian%E7%9F%A9%E9%98%B5%E5%92%8Chessian%E7%9F%A9%E9%98%B5/
03 支援向量機 https://www.cnblogs.com/steven-yang/p/5658362.html   
                        https://www.zhihu.com/question/21094489
04 極大似然估計 http://blog.csdn.net/zengxiantao1994/article/details/72787849
05 EM演算法 http://blog.csdn.net/xueyingxue001/article/details/52020673
                   https://www.zhihu.com/question/27976634?sort=created
06 貝葉斯估計 https://www.guokr.com/question/547339/
07 強烈推薦微信公眾號：超級數學建模
（4）Peter 《機器學習實戰》
比較有名的機器學習實戰書籍，沒看完，暫時不做評價
4.神經網路和深度學習
目前學習中……
（1）吳恩達  深度學習 （Coursera）
這次網易雲課堂有簡體中文的轉播（深度學習微專業），但是沒作業。作業需要交錢49美元/月
（2）李飛飛 深度學習計算機視覺（斯坦福大學 cs231n）
說實話感覺比吳恩達的課要難，因為個人的底子不好，有些部分有點沒聽懂
（3）《深度學習》
這本書被譽為DL聖經，正在學習中……