一、学习平台
网上的学习平台是很多的，关键在于执行力和管理能力。下面是一些值得推荐的网络平台：
1. coursera（有很多国内外顶尖高校的前沿课程）；
2. 慕课学院（总结了很多网络平台的资源）；
3. 学堂在线（有国内外顶尖高校的课程）；
4. 网易云课堂（对于有些国外顶尖高校的课程，有对应的中文字幕。而且，有些直播也是不错的）；
5. 网易公开课；
6. TED（国外的知名学习平台，有很多知名人物的演讲）；
7. 我要自学网 （里面有很多可以进行系统性学习的资料），网址是：http://www.51zxw.net/；
8. 多贝（主要是互联网方面和职场方面的）。
二、机器学习资料
A. 入门
1. Coursera上Andrew Ng的《Machine Learning》，网址：https://www.coursera.org/learn/machine-learning。
2. 2018年Google新出的机器学习课程：
Google机器学习速成课程：https://developers.google.cn/machine-learning/crash-course/ml-intro，
Google机器学习实践：https://developers.google.cn/machine-learning/practica。
3. Coursera上Andrew Ng的deeplearning ai的深度学习课程 ，网址：http://mooc.study.163.com/university/deeple
arning_ai#/c。
4. 周志华的《机器学习》，也称西瓜书。可以结合李航的《统计学习方法》一起看。前者内容上有广度，但不是很深，内容有些粗糙；后者对于机器学习常用的几种算法有详细的理论推导，偏理论。
5. 《图解机器学习》，代码用matlab编写。
B. 进阶
6. Coursera上林轩田的《机器学习基石》和《机器学习技法》，内容较难，需要花时间总结和理解。
7. Coursera上 Hinton 的Neural Networks for Machine Learning，网址：http://study.163.com/course/courseMain.htm?courseId=1003842018。
8. 《机器学习实战》，没有详细介绍理论部分，主要介绍用Python实现机器学习上的常用算法，最后也对分布式框架进行了介绍。
9. Yoshua Bengio主编的《Deep Learning》书籍。内容很广，建议学完Andrew Ng的deeplearning ai的深度学习课程后在进行学习这部分内容。
10. 《PRML》，这是进阶必备书籍，内容详细也偏难。
11. 参加Kaggle大赛，理论与实际结合，由易到难。
以及ImageNet大赛，这是计算机视觉方面常用的公开数据集。