机器学习越来越火爆，各种资料也越来越多。在网上随意一搜，就能看到一大串长长的书单和一大堆视频教程。堆积如山的资料，很容易让新手一脸懵逼，无所适从，最后没当成炼丹术师，反而成了著名的资料收藏家。
怎样避免成为资料收藏家？道理大家都懂，不就是挑好学习资料后狠下心钻研下去，没学好前尽量不再换教材嘛。但是，说起来很简单，做起来并不容易，毕竟第一步挑资料就不容易。这时，该怎么办？当然是来看这篇新手指南。
不同人的基础水平和学习需求有很大差异。在正式学习之前，最好先思考一下自己想要走怎样的路线。是要一步一步打好基础，深入钻研，扎根在机器学习领域，还是希望快速上手，到手即用？
两种不同的入门路线，教程风格也是迥异。
前者非常注重基础，开始学习时就要注重每一步的推导和实现过程。这样的过程，相对而言没那么有趣，不少人走了几步就受不住。
而后者，入门时只需要弄懂大致的原理，会调用现成的包，快速拿过来用。不过，如果后续想更进一步，还是需要参考第一条学习路线。
至于选择哪个，就见仁见智，看自己需求。
机器学习的视频课有很多，这里推荐两个，选择其中一个学习就可以。但要注意，视频课程不只是拿来看的，布置的作业也要去完成，否则就没什么效果。
吴恩达在Coursera上的免费课程，在网易云课堂上也能找到。无数人都学过或听说过这门课，非常著名。这门课比较简单，很适合新手入门。教学用的是 Octave，即便没有Matlab基础，在课程中也能很快上手。如果感觉内容太简单，可以去看 CS229: Machine Learning 这门吴恩达在斯坦福大学教的课。
台湾大学李宏毅教授的上课视频，在哔哩哔哩等视频网站上直接搜“李宏毅 机器学习”就能找到。课程讲得挺不错，非常风趣，比如讲解线性回归时用了宝可梦的例子。更重要的是，课程是纯中文讲解，学起来不会有太大压力。
入门时尽量不要去翻看大部头，不然大概率会把自己看晕。可以跟视频教程搭配着一起学习，如果不喜欢看视频也可以单独看书。
大牛周志华的《机器学习》被爱称为西瓜书，非常适合作为入门教材，涵盖了机器学习各方面的基础知识。
李航的这本书也是非常著名的教材，介绍了统计学习的主要方法，特别是监督学习方法。这本书偏理论，适合打理论基础。
新出的一本书，作者为雷明，系统讲述了机器学习算法与理论的知识，同时也对大部分核心算法的工程实现进行了介绍，包括OpenCV、libsvm、liblinear、Caffe。
市面上有很多职业培训课程，有一些比如 Udacity 的课程质量也不错，但价格不低。本着精打细算的精神，这里介绍的两个课程都是免费的。如果有比较好的经济条件，也可以去找付费的培训课程，但要注意买之前在网上看一下口碑。
谷歌发布的 Machine Learning Crash Course 课程，一共是15小时，其中包括25节课程以及40多项练习。学这门课程不需要预先掌握机器学习方面的任何知识。更重要的是，这门课程提供了中文版。
快速上手更应该选择倾向于操作的书，原理不必钻研得太深。等到以后有需要，再去深究。
Scikit-learn 是机器学习很火爆的一个库，这本书介绍了常用的机器学习方法和 scikit-learn 的用法，另外也介绍了怎么用 TensorFlow 写神经网络，很适合上手。如果英文比较好，推荐看英文原版。如果要看中文版，除了买纸质书外，还可以去翻看社区翻译版。
Scikit-learn 的中文图书非常少，这本是难得的原生中文书。跟着整本书敲一次代码，会有不少收获。
上面这些只是入门的资料，如果要深入，还有很长的路要走，《Pattern Recognition and Machine Learning》《The Elements of Statistical Learning》等经典书籍在等着。