step 1:搞定python基础

google两天python实训课程（视频）
https://www.youtube.com/watch…

step 2:机器学习基础

课程1（Tom Mitchell Machine Learning Lectures）：http://www.cs.cmu.edu/~ninamf…
课程2(Andrew Ng’s Machine Learning course)：https://www.coursera.org/lear…
课程3（课程2的笔记）：http://www.holehouse.org/mlcl…

step 3:科学计算包（神器）

numpy, scipy,matplotlib,scikit-learn,pandas

scipy课程：http://www.scipy-lectures.org/
pandas入门：http://pandas.pydata.org/pand…
对于 scikit-learn 的整体介绍，它是 Python 最常用的通用机器学习库，完成以下网站内容的学习：
1：https://github.com/justmarkha…
2：http://nbviewer.jupyter.org/g…

step 4:接触机器学习中常用的算法（主要思考能使用在哪些领域）

1:k-means 聚类
2:决策树 (分类）
3:连续数字变量的预测
4:回归解决分类问题

step 5:机器学习高级主题

1：Support Vector Machines
2：随机森林，一种集成分类器
3：降维是一种减少问题涉及的变量数目的方法（ Dimensionality Reduction ）
小结：
最常用最知名的机器学习算法（ knn 最近邻，k-means 聚类，支持向量机），了解了一种强有力的集成方法（随机森林），涉及了一些其他机器学习支持方案（降维，模型验证技巧）。在一些基础机器学习的技巧的帮助下，我们开始有了一个渐渐丰富的工具箱。

step 6:基于神经网络的深度学习

http://neuralnetworksanddeepl…
借用Caffee框架，学习解决自己想要解决的问题
https://github.com/google