昨天找了很多资料，终于也差不多确定了的学习轨迹。
具体计划如下：
1. Udacity 的 《机器学习（入门）》
因为这个课程比较简单，使用 Python 和 Scikit 工具，学得更加轻松，适合培养自信，学习起来也更有趣。
https://cn.udacity.com/course/machine-learning-engineer-nanodegree--nd009-cn-basic
2. 吴恩达的机器学习课程
这个就不用多说，非常经典的课程，也不是特别难。
https://www.coursera.org/learn/machine-learning
另外他新创业的公司deeplearning.ai，也做了新的课程在Coursera，我打算作为以后再看：https://www.deeplearning.ai/
3. 斯坦福大学－自然语言处理中的深度学习
毫无疑问，这是作为高级进阶材料来学的，据说难度非常大，但价值也很大。
http://cs224d.stanford.edu/syllabus.html
至于书本，手头上只有周志华的《机器学习》，先啃这一本。
以上，仅代表我自己的学习规划~
以下链接才是真正重要资料
1. 从机器学习谈起 http://www.cnblogs.com/subconscious/p/4107357.html
2. 我是如何花一年时间学机器学习的
http://www.techug.com/post/how-i-learn-machine-learning-in-a-year.html
3 知乎问答
https://www.zhihu.com/question/20691338
激流勇进，不忘初心~
update:2018/08
上了一年的课了，视频断断续续没有看完，但是在Computer Vision，Computer Graphic的课程中接触使用了Machine Learning。接下来就只剩下一门Machine Learning，全力以赴，多做项目。