好歹自己也是经历了多年的学术训练，对于在一个新的领域怎样入门还是好歹有些心得的。机器学习作为一门成熟的学科，我相信只要能够成体系的把相关的学科知识掌握，总能够获得机会去实践中去锻炼自己的能力。
所以，参考网络上大神们的各种课程，自己应该也大概总结一下，自己接下来这些时间需要完成的课程，先把内容整理罗列出来，再设定时间表吧。
学习目标
- 数理统计和概率分析
- 基本的假设检验
- 高级假设检验：非参数假设检验（Nonparametric Hypothesis Testing）
- A/B实验，以及实验设计
- 因果推论工具，使用简单的因果推论工具对实验数据进行分析。
- 对时间序列数据进行分析
- 基本的计算机算法、建模能力
- 传统的机器学习算法模型，分类、回归、聚类
- 概率图模型
- 深度学习模型
- 优化算法
- 基本的计算机算法、数据结构、数据库、操作系统
- 数据分析语言
- Python、R
- SQL
- Hadoop
- 实际应用
- 使用某种计算机语言来实现一些机器学习算法
- 使用和扩展现有的计息学习工具（Scikit Learn、XGBoost、Vowpal Wabbit）
- 使用以Hadoop为基础的大数据工具（Hive、Pig、Spark）构建生产环境
- 了解深度学习框架（TensorFlow、Caffe、MxNet、Torch）
