将持续更新楼主自己的学习方法和内容

1.计算机基础，python编程基础

实验楼，提供了实验环境与实验文档，非常适合做实验，网页打开即用
接下来将提供几个课程，作为人工智能基础
http://www.shiyanlou.com

值得注意的是:
1. 自学机器学习的误区和陷阱
1.1. 不要试图掌握所有的相关数学知识再开始学习
在很多相关的回答中，我都一再强调不要试图补足数学知识再开始学习机器学习。一般来说，大部分机器学习课程/书籍都要求：
线性代数：矩阵/张量乘法、求逆，奇异值分解/特征值分解，行列式，范数等
统计与概率：概率分布，独立性与贝叶斯，最大似然(MLE)和最大后验估计(MAP)等
优化：线性优化，非线性优化(凸优化/非凸优化)以及其衍生的求解方法如梯度下降、牛顿法、基因算法和模拟退火等
微积分：偏微分，链式法则，矩阵求导等
信息论、数值理论等
一般人如果想要把这些知识都补全再开始机器学习往往需要很长时间，容易半途而废。而且这些知识是工具不是目的，我们的目标又不是成为运筹学大师。
[建议在机器学习的过程中哪里不会补哪里，这样更有目的性且耗时更低。]

请问楼主是什么水平，水平太低就不要误导新手了

Kaggle是特级大师了吗，发表过什么顶会paper吗

继续更啊

楼主就断更了啊