首先你要学好英语，因为英文世界的相关资料更加丰富和原创。
其次你得有一定的数学基础，如果你觉得微积分、线性代数和概率统计这些基础课程没有时间回顾的话，那么推荐机器学习强相关的一门课和一本书：
1）面向机器学习的数学课程（Mathematics for Machine Learning Specialization）
http://coursegraph.com/coursera-specializations-mathematics-machine-learning
伦敦帝国理工学院的面向机器学习的数学专项课程系列（Mathematics for Machine Learning Specialization），该系列包含3门子课程，涵盖线性代数，多变量微积分，以及主成分分析（PCA），这个专项系列课程的目标是弥补数学与机器学习以及数据科学鸿沟，感兴趣的同学可以关注：Mathematics for Machine Learning。Learn about the prerequisite mathematics for applications in data science and machine learning
2）机器学习中的数学（https://mml-book.github.io/）：新书，看章节安排的很合理。
如果想学习更多的数学课程打基础，这里有：
除了数学基础，你还应该有一定的编程基础，如果你还是编程小白，那么推荐从Python入门：
当然，一定的数据结构和算法接触还是要有的：
5）Coursera上数据结构 & 算法课程（公开课）汇总推荐
然后重点推荐推荐2门机器学习入门课程：
6） 还是首推Andrew Ng老师的机器学习课程了：http://coursegraph.com/coursera_ml
7） 其次是最近比较火的fast.ai的课程：fast.ai 新课程：面向程序员的机器学习导论（Introduction to Machine Learning for Coders）
不过到了这里，也只是入门而已，你需要动手做相关的项目，如果没有项目，我推荐你去参加一下类似Kaggle的项目。如果想更深入的学习更多的机器学习课程，这里有一份Coursera课程汇总：
最后，如果想更进一步，学习深度学习，依然首推Andrew Ng的深度学习专项课程：
9）Deep Learning Specialization：http://coursegraph.com/coursera-specializations-deep-learning
再奉上一份更详细的深度学习课程资源，仅供参考：
10）深度学习课程资源整理
注：原创文章，转载请注明出处“课程图谱博客”：http://blog.coursegraph.com
本文链接地址：http://blog.coursegraph.com/如何学习机器学习-机器学习该怎么入门 http://blog.coursegraph.com/?p=904