看网易公开课上的 Andrew Ng 的机器学习,还有 Coursera 上台湾大学的《机器学习基石》 这两个都是很好的入门材料,此外,还可以下载 Andrew 课程的讲义 http://cs229.stanford.edu/materials.html ,这讲义基本上就是一个入门教材了。 在学习理论的时候,多注意实践,《机器学习实战》不错,虽然书里的代码写得烂,但是作为简单的实验指导书是可以的。

1楼 @hey 谢谢,两个公开课,都有在看,实战那本书也买了。

我现在在自学mahout,不知道是否符合你所说的ML标准~

3楼 @贵人 谢谢,我还不怎么知道这个项目。

项亮的那本书是我入门的书,我觉得还不错,内容比较浅显,适合码农去学习。另外建议补一下大学的微积分、线性代数和概率论的一些内容,我是全忘了,好多公式压根不知道怎么推到的,理解起来很吃力。

豆瓣链接:http://book.douban.com/subject/10769749/

另外java有mahout,里面包含了很多算法,开箱即用的。作为码农,直接看代码是最直接快速的学习方式嘛。python的话就更方便了,有非常优秀的python库,你也可以去了解下。

不属于搞Machine learning的成功人士,也还没找过工作。只是读研究生是这个方向。谈谈自己是怎么学的。

2楼 @zieaziea @hey 不要看网易的andrew ng公开课了。时间太久远,很多东西都不一样了(这个跟写程序也是一样的,太落后的东西没啥用,除非是经典问题)。看视频的话,看andrew ng在coursera的machine learning视频,14年machine learning的刚要开课,推荐报名,跟着上课,做课后习题和期末考试。(因为只看不干,啥都学不会)。。

另外,重点是你要学ML干什么?可选项有如下这些。给出一个选项,可以更针对性的说明应该学什么:

• 最快最方便的使用一个通用方法做一个分类器或者回归器(例如验证码识别,etc)
• 从理论上想改进某一种机器学习的学习算法或数据结构(模型)
• 更好的了解各种机器学习算法的特点,应对不同的问题,选择不同的方法。
• 利用现在的硬件产品(显卡,集群),更好的实现一套机器学习算法。

基本上上面这些都是学Machine learning的一些点,每个方向要学的东西都不一样(虽然基础还是基础),甚至很多方向不需要学,只需要用一些现成的东西就好。用现成的东西,好处就是速度快,成本小;坏处就是不明白细节。

只要学习机器学习,一定会看的书籍我推荐一下:

• Mitchell 的《机器学习》。Mitchell是机器学习的鼻祖,第一个提出机器学习概念的人。这本书很薄,很简单。内容很陈旧,但是都是机器学习的经典问题。而且,这本书概念清晰正确(很可贵啊,又简单又正确的书,说明作者功力很强)。
• Simon Haykin的《神经网络与机器学习》。 事实上,现在常见的很多机器学习算法都发端于神经网络,像SVM,深度学习,CNN等等。这本书详细的介绍了神经网络及其相关算法的所有细节。如果想深入了解的话,可以看一下。只想运用的话,也可以随便翻翻算法的介绍。
• AIMA,《人工智能:一种现代的方法》。基本上学术界的人们都认为机器学习是人工智能学科的下属分支(另一部分人认为是统计学或者数学的分支),所以,一本人工智能的书也是学习机器学习可以参考的方面。

另外,如果想找这方面的工作,尤其是大企业的工作,主要看你发了哪些论文,开发了哪些系统,而不是看你用XX开源软件多熟练。你懂的,毕竟熟练使用一个软件并不是这个领域的关键问题。

5楼 @淮左青衣 对,我就是不懂算法,直接看mahout,框架封装了算法实现,拿来即用。

4楼 @zieaziea mahout做推荐系统用,不客气~

5楼 @淮左青衣 谢谢,请问您现在是从事机器学习的工作么?能否说下自己的经历...

6楼 @reyoung 谢谢你这么详细的说明,能否说下ML所涉及的数学知识..