以下内容转自：http://blog.csdn.net/lcjpure/article/details/8069704
结合自己的学习经历，总结一下如何学习机器学习。我自己的学习过程其实是非常混乱和痛苦的，一个人瞎搞现在也不知道入没入门。希望能对其他想自学机器学习而找不到方向的人有一点点帮助。
一、可以读读一些科普性的，综述性的东西。
南京大学周志华教授写的科普文章《机器学习和数据挖掘》还不错，对机器学习和数据挖掘的区别说的挺好。另外对机器学习的历史和前景做了说明。文章最后也给出了领域内比较重要的会议和期刊。
吴军写的数学之美（浪潮之巅也很赞）可能确切的说应该是搜索、自然语言处理、机器学习的一个综合性科普，但是机器学习本来就和这些领域有着很大的关联的，所以说对学习机器学习的人来说也是一个不错的入门科普。
二、可以了解下领域里面的牛人。曾经听香港科技大学的杨强教授在一个讲座上讲过这么一件事，他说如果面试一个学生，一个好的方法就是问他这个领域有哪些牛人，每个牛人的代表性工作是什么，这样可以检验一个人是否真正喜欢并关注这个方向。我觉得说得挺有道理。网上有人总结了一些牛人，当然这些总结都是个人观点，随便看看了解一下就行了。（注：下面的链接不一定是原始出处）
http://blog.sina.com.cn/s/blog_56f7cc3a0100qktd.html （国外的）
http://blog.sina.com.cn/s/blog_6a6b58ce01017jy3.html （国内的）
http://blog.csdn.net/yihaizhiyan/article/details/6795073 （这个有一些是机器视觉里的）
三、可以了解下领域的重要会议，前面提到的周的文章有提到，网上也有各种版本的分析，列两个
http://blog.csdn.net/blow_jj/article/details/2415305 （人工智能和机器学习的）
http://taoo.iteye.com/blog/1052495 （数据库和数据挖掘的）
四、可以系统的上一下机器学习的课程，Standford的Andrew Ng的机器学习课程很赞，网上有他的公开课视频，上他的课真是如沐春风，浑身通畅。
课程主页：
http://cs229.stanford.edu/ （里面有讲义，最好打印出来对照视频看）
网易公开课有中文字幕翻译的视频：
http://v.163.com/special/opencourse/machinelearning.html
这是在coursera项目中的版本，好像比网易的内容要多，起码多的有推荐算法的部分
https://class.coursera.org/ml/lecture/preview/index
五、可以系统的读一本机器学习的教材，系统的学习很重要。口碑最好的，我自己感觉写的最好的是 Christopher M. Bishop写的《pattern Recognition and Machine Learning》
六、对一些重要的经典的文章可以拜读一下，下面的这个资料列表可以参考
http://www.newsmth.net/bbsanc.php?path=%2Fgroups%2Fsci.faq%2FNLP%2F1%2FM.1225371502.h0
在学习的过程中，手头有一本统计的参考书是必要的，当然还有利器google，不懂的概念随时可以查。
七、其实学习机器学习最重要的就是实践了，实践出真知。
==================
by lcj ,2012 -10 -14