寫在前頭
1、課程的選擇：
選擇一門完整的算法課程，並以此課程爲主，系統性學習；公衆號或者其他材料都是輔助，裏面主要是零碎的知識。推薦業內經典課程。
2、本號不涉及技術層面的內容：
沒有那個水平；前人已經有非常完善的課程體系
機器學習篇
1、知識內容
2、學習資源推薦
簡單版：吳恩達在Coursera的機器學習課程；機器學習入門首選課程，據說全世界有數百萬人通過這門課程入門機器學習。課程的級別是入門級別的，對學習者的背景要求不高，如果數學太差就先看這個吧，課後作業要做。
鏈接：https://www.coursera.org/learn/machine-learning
中文版：http://study.163.com/course/introduction.htm?courseId=1004570029
作業答案：https://github.com/TingNie/Coursera-ML-using-matlab-python
難度版：吳恩達CS229，上面那門課的數學加強版，如果有一定數學，可以跳過上面的直接看這門課。
中文版：http://open.163.com/special/opencourse/machinelearning.html
學習指南：CS229的材料分爲notes（講義），課程視頻，課後作業。講義和課程視頻是必看的，課後作業太難，暫且忽略，等水平到一定的時候再看。講義是課程視頻的詳細版，裏面有很多數學的推導，建議先看講義後看視頻，帶着問題去聽課。這麼課學習下來要達到的效果是不看講義，自己能手寫推導過程，推個70%就差不多了。課程包含20集，初學者先看前15集即可。配合着前述文章中寫到的《機器學習實戰》、李航《統計學習方法》、周志華《機器學習》。
深度學習篇
1、知識內容
2、推薦課程Cs231，包含課程視頻、課程筆記、課後作業，都要看，課後作業要寫，詳情參見我之前的文章。
項目實戰篇
1、《hands-on-ml-with-sklearn-and-tf》，見之前的文章
2、Kaggle入門指南，https://blog.csdn.net/u010094934/article/details/77689151
3、Kaggle學習資源，https://github.com/apachecn/kaggle
4、scikit-learn學習，官方文檔必看，http://sklearn.apachecn.org/cn/0.19.0/
5、tensorflow學習，官方文檔必看，https://tensorflow.google.cn/api_docs/python/?hl=zh-cn
6、TensorFlow學習，斯坦福CS20SI選看，參考地址：https://blog.csdn.net/lqfarmer/article/details/72956283
推薦博客
http://karpathy.github.io/
自然語言（可選）
這是深度學習在自然語言處理上的進一步應用了，如果你以後要做這方面的工作，可以學習一下，否則可以不看。
CS224d課程：深度學習在自然語言處理上的應用
視頻及筆記地址：https://www.jianshu.com/p/062d2bbbef93
討論學習，文章發佈，vx公衆號：learningthem