下面的每个资源都是我亲身学过的，且是网上公开公认最优质的资源。
下面的每个学习步骤也是我一步步走过来的。希望大家以我为参考，少走弯路。
请大家不要浪费时间找非常多的资料，只看最精华的！
综述，机器学习的自学简单来说分为三个步骤
前期：知识储备包括数学知识，机器学习经典算法知识，编程技术（python）的掌握
中期：算法的代码实现
后期：实战水平提升
机器学习路径规划图
一、数学基础
很多人看到数学知识的时候就望而却步，数学是需要的，但是作为入门水平，对数学的要求没有那么的高。假设你上过大学的数学课（忘了也没事），需要的数学知识啃一啃还是基本能理解下来的。
1.1、数学内容
线性代数：矩阵/张量乘法、求逆，奇异值分解/特征值分解，行列式，范数等
统计与概率：概率分布，独立性与贝叶斯，最大似然(MLE)和最大后验估计(MAP)等
优化：线性优化，非线性优化(凸优化/非凸优化)以及其衍生的如梯度下降、牛顿法等
微积分：偏微分，链式法则，矩阵求导等
信息论、数值理论等
上面的看不太懂没事，不是特别难，学习一下就能理解了。
1.2、数学资源
网上有很多人会列举大量大量的课程资源，这是非常不负责任的事，学完那些我头发都得白了。实际上，我们只需要学习其中的一部分就够了。
1.2.1、吴恩达的斯坦福大学机器学习王牌课程CS229，课后就有对学生数学知识的要求和补充，这些数学知识是
来源：CSDN
作者：q7695650
链接：https://blog.csdn.net/q7695650/article/details/81331328