本人从机械专业转行机器学习（主攻图像识别方向）有一段时间了，可以和题主分享一下自己的经验。目前人工智能大火，各行各业嗅觉敏锐的人都在思考自己的专业领域如何往人工智能方向靠，而CS专业毕业生人数实在有限导致这方面人才紧缺，很多朋友就开始自学ML，我认为不论是从自我技能的提升，还是职业发展的角度来看，这都是一件很有前途的事。相信题主已经看到了这一历史的进程，只差更有效率的自我奋斗了！我在这方面也许可以帮题主一把。首先要有一个比较强劲和持久的学习机器学习的动力，而不仅仅是一时兴趣，最好能和自己目前的工作领域结合起来，一来可以马上将机器学习的方法用在现实工作中，成就感满满；二来如果做的不错的话很可能得到公司的支持，甚至独立带领一个团队进行这方面的探索。所以有目的的学习往往能取得更好的效果。其次来说说具体的入门方案，这是我个人的经验，不一定每个人都适用，仅供参考：首推Coursera创始人Andrew Ng机器学习入门神课“Machine Learning”https://www.coursera.org/learn/machine-learning（需要基本Matlab编程知识）本课程能让新手对机器学习的主要内容和发展方向有一个整体的认识，对主要概念的解释也很清楚，亮点在于Intuition（直觉）的解释方法对新手入门帮助很大，省略了很多数学推导。我用了4个月完成这门课的学习并取得证书。斯坦福大学CS专业的研究生课程，包括CS229 Machine Learninghttp://cs229.stanford.edu/和CS231n Convolutional Neural Networks for Visual Recognitionhttp://cs231n.stanford.edu/，CS229的视频看不下去的话可以吧Lecture Notes扫一遍，作业看一遍，需要有高数、线性代数、矩阵论、概率统计的基本知识。强烈推荐cs231n的视频以及作业，保证你对图像识别的认识达到专家级的高度，作业完成后你能独立用Python编写knn,SVM,softmax,Neural Networks等主流图像识别算法以及各种调参，抑制过拟合，降维等高阶风*操作。完成了1和2可以说你基本入门机器学习了，这其中可能还需要学习一些工具类的知识，比如Coursera里的Python专业课程https://www.coursera.orgw/learn/python/home/info 挺不错。另外根据需要买一些参考书，比如周志华的“机器学习”，各种机器学习框架TensorFlow、caffe等的实战书。最后多多参加实际项目提高自己的应用能力，网上有很多提供机器学习研究的项目，免费给你提供数据的，可以找到感兴趣的方向和朋友一起研究。比如kagglehttps://www.kaggle.com/， Coursera的Data Science社区https://www.coursera.org/learn/data-science-community/discussions 都经常会提供各类项目供大家研究。除了Coursera这个全球性的针对Data Science的在线学习平台，如果你英语不是很好的话，还可以看看K神 @Kaiser创建的国内人工智能学习平台：集智https://jizhi.im/。网站专门针对国内用户，寓教于乐，形式多样，课程比Coursera要便宜而且质量也不错，还会经常举办线下研讨会。最后，本人的研究方向主要是卫星遥感图像的智能识别，欢迎感兴趣的朋友和我交流~补充：因为对自然语言处理不太了解，所以上面也没涉及这方面的入门介绍，欢迎大神补充。另外最近Andrew开了门新课Deep Learning，看了一眼算是Machine Learning的进阶版，两者一起食用味道更佳。