学习资料：
1.sklearn的代码，可以参照中文的，然后再seedbank上面操作（网页可以直接跑代码，甚至是GPU）
seedbank：http://tools.google.com/seedbank/seed/5186378094608384
seedbank怎么导入文件或图片（谷歌云盘Colaboratory如何载入文件）：
https://blog.csdn.net/einstellung/article/details/81006408
sklearn中文文档：http://cwiki.apachecn.org/pages/viewpage.action?pageId=10814293
英文文档：http://scikit-learn.org/stable/modules/linear_model.html#ridge-regression
别人的意见
通过我自己的这大半年的接触和了解，结合找工作需要现对于如何入门机器学习提几点自己的看法。如果你以后要想干算法工程师、机器学习工程师，那么请你好好看一下我下面说的话。
2018年05月18日 17:51:41============================================================================
总路线
先学机器学习，再学深度学习（实验者某大神学长的建议），至少精通深度学习的一个方向：CV和NLP。期间要插科打诨地复习好数据结构、数学基础和强化你的编程能力。
---------------------------------------------------------------------------------------------------------------------------
- 数学功底：概率论、线性代数、高数、信息论（主要是信息熵那部分）。
- 数据结构：树、栈、链表、队列、图！慢慢琢磨吧。（要有优化算法复杂度的意识）
- 编程能力：请转移到leetcode、赛码阵营好好磨练。《剑指offer》这本书是需要你好好看的。
----------------------------------------------------------------------------------------------------------------------------------
书籍的话：《统计学习方法》（李航）、《机器学习》西瓜书、《深度学习》（Yoshua Bengio & Ian GoodFellow）、《PRML》（选看）、《利用python进行数据分析》
吴恩达的深度学习，机器学习课程，一些其他机器学习课程都可以看。在这里，推荐一下中国海洋大学 黄海广 博士牵头的将吴恩达视频做成的中文版学习笔记：机器学习和深度学习。我自己还没有看，不清楚质量如何，但是应该比较省事了。有钱的话，推荐优达学城，不过贵，不免费。深度学习的工具tensorflow和pytorch，可以买本书看，学会看官方文档，这两个工具掌握一个就好。可以通过打比赛（天池、京东、腾讯、kaggle等），做项目，进一步强化自己的动手能力。
大数据的话要了解并行化分布式的东西，比如hadoop,spark,sql等。因为内容很多，有选择性的去看。
机器学习主要模型：线性回归，逻辑回归，svm，各种树模型。原理公式要会，会推导。（如果你要走机器学习岗的工作），现在算法岗对深度学习用处多一些。