如今機器學習的學習資源越來越多，對於入行的朋友們來說，他們只需要關注自己從事的具體研究方向最新的國際會議、雜誌上的paper就差不多了，而對於那些想要入行的朋友們，選擇經典的教程入手可能會事半功倍。以下這些教程，是機器學習比較經典的，也歡迎朋友們補充。
一、公開課
Andrew Ng教授的機器學習課程。多囉嗦幾句Andrew Ng，他雖然沒出過啥書，但是他對這兩年接觸機器學習的人應該幫助最大了。這哥們是機器學習界大牛Michael Jordan的最得意的門生（據說沒有之一），最早只是把公開課視頻放到網上，國內網易公開課做了翻譯，課程內容安排的真是深入淺出，只要有點微積分和線性代數基礎，都能夠看明白一些複雜算法的推導（其實這點很重要，一些大牛的paper或者書籍由於篇幅所限，往往一個公式推導需要10步，他只會寫最重要的兩步，對於初學者來說還是很痛苦的）。由於這個公開課視頻受衆甚廣，好評如潮，Andrew Ng老師夥同斯坦福另一位同事Daphne Koller創建了Coursera這個在線教育平臺，和公開課視頻相比這個平臺更注重和學生交互，能夠幫助學生更好地掌握所follow的課程。
公開課推薦：
1、https://www.coursera.org/course/ml Andrew Ng在coursera上的機器學習課程，相比公開課來說，內容更簡單一些，入門甚佳。
2、http://v.163.com/special/opencourse/machinelearning.html Andrew Ng的公開課視頻
3、https://www.coursera.org/course/pgm Daphne Koller在course上圖模型的課程
4、https://www.coursera.org/course/neuralnets Geoffrey Hinton的神經網絡的課。如果問最近業界最火的機器學習技術是啥？一定是deep learning。如果問是誰讓deep learning這麼火的，那就是Hinton老師。
應該還有其他類似的公開課資源，但我都沒有看過，這裏就不亂推薦了，歡迎大家補充。
二、經典書籍
1、Tom M.Mitchell. Machine Learning(有中文版)
2、Kevin P. Murphy. Machine Learning: A Probabilistic Perspective
3、Christopher M.Bishop. Pattern Recognition and Machine Learning
4、Trevor Hastie , Robert Tibshirani , Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition(有中文版)
5、Richard O. Duda. Pattern Classification(有中文版)
6、李航，統計學習方法
7、David Barber ，Bayesian Reasoning and Machine Learning（@星空下的巫師）
前三本作爲入門更合適一些，4還是有些艱深，6是國內相關教程裏最好的了，李老師將一些機器學習的經典算法介紹的非常詳細，推導也沒偷工減料，有點Andrew老師上課推公式的風範。
這些書籍基本上都有電子版可以google到，如果不行，推薦http://ishare.iask.sina.com.cn/，這真是一個神奇的地方，找外國圖書的電子版效果甚佳。
Reference:
[1]. http://blog.sina.com.cn/s/blog_8eac0b290101fn0z.html
[2]. http://www.yuanyong.org/blog/cv/machine-learning-tutorial