随着AlphaGo在围棋界成为最强王者，科技界掀起了一股机器学习的热潮。那么我们该如何学习呢？接下来我们一起看看著名问答网站QUORA上大牛们对机器学习的看法。
Kevin Murphy（Google数据研究科学家）：我正在编写更偏向初学者的教程，如果你已有一定基础，可以看看我的在线教程Machine learning textbook。此外，我有一个书籍推荐清单，里面有很多高质量的书籍。其中，Introduction to Statistical Learning最适合初学者阅读。
Sean McClure（Data Science总裁）： 要熟练掌握机器学习，除了要熟悉R和Python语言，更关键的是要把算法与实际相结合，尝试解决实际问题。以现实问题为导向，是学习的最佳捷径。我个人也整理了一个实用的机器学习文章清单，希望对你有所帮助：
Machine Learning with R
Building Machine Learning Systems with Python
Machine Learning with Spark
The Only Skill you Should be Concerned With
Learning from Data
Yoshua Bengio（Montreal Institute学习算法主管，专家）： 首先，你需要有良好的数学和计算机科学基础。我建议可以先看MIT Press Deep Learning的第一部分。然后进行机器学习相关资源的阅读，例如Chris Bishop和Kevin Murphy的在线视频，Andrew Ng的网络教程以及Hugo Larochelle的神经网络视频。然后要多尝试动手操作，例如自行编程一些学习算法，尝试在一些Kaggle比赛中胜出。
Danny Tarlow（机器学习博士）：
Youtube上有很多优秀的视频值得一看，详情请点击这里
这些视频站在数学角度，严谨地阐明了什么是机器学习。实际上，这也是我学习的第一门机器学习教程，它让我兴奋不已并最终取得了博士学位，学习永无止境，我会继续探索更有趣的内容。
Murthy Kolluru (INSOFE软件服务公司总裁）：
计划，计划，计划！制定切实可行的学习计划是最重要的。
以下是我的一些建议：
1. 从互联网上下载一个数据集，为问题创建业务环境。
2. 透过思维导图，头脑风暴的方式来对数据集属性进行分析。属性越多越深入，对问题的研究越有帮助。
3. 下载并学习R,Deducer等开源应用
4. 使用Excel / Deducer并创建新数据和预处理数据。
5. 学会使用描述统计，直方图，方框图，散点图等分析工具，在deducer/ggplot中进行实际操作。
6. 对数据进行详细的描述性统计并将其可视化。我这里有个案例，以供参考（链接）。
7. 把所有结果和分析汇总成PPT与他人分享，尝试让别人也能很容易就明白我们的意图和成果。
数十款阿里云产品限时折扣中，赶紧点击领劵开始云上实践吧！
本文由北邮@爱可可-爱生活 老师推荐，阿里云云栖社区组织翻译。
文章原标题《How do I learn machine learning?》，作者：由Quora网站整理，译者：伍昆
文章为简译，更为详细的内容，请查看原文
相关资源：一种围棋定式的机器学习方法