作为一个过来人，偶的建议是分三步进行：
第一步：学习基本 Python 技能
如果要使用 Python 进行机器学习，拥有对 Python 有基础的理解非常关键。幸运的是，Python 是当前普遍使用的流行语言，并纳入了科学计算和机器学习的内容，所以找到入门教程并不困难。在选择起点时，很大程度上要取决于你之前的 Python 经验和编程经验。推荐一本最经典的入门书籍：《Python编程 从入门到实践》
第二步：学习机器学习基础技能
KDnuggets 的 Zachary Lipton 指出，人们对于“数据科学家”的认知千差万别。这实际上是对机器学习领域的反映。数据科学家在不同程度上使用计算学习算法。要建立和使用支持向量机模型，熟知核函数方法是否是必需的？答案当然不是。就像现实生活中的许多事情一样，所需要的理论深入程度与具体的实际应用有关。获取对机器学习算法的深入理解不是本文的讨论范围， 而且这通常需要在学术领域投入大量时间，或者至少要通过密集的自学才能达到。
好消息是，你不必拥有博士级别的机器学习理论能力才能进行实践，就如同不是所有程序员都必须接受计算机理论教育才能写好代码。
吴恩达在 Coursera 的课程非常赞，如果你有时间，可以自己去 Coursera 完成这个课程 ：Andrew Ng’s Machine Learning course 。另外推荐一本书：周志华的《机器学习》
第三步：开始用 Python 进行机器学习
这一步开始进入到实践了，推荐看Peter Harrington的《机器学习实战 》
这本书啃透，你的Python和机器学习已经是能达到掌握的水平啦！
另外也推荐你使用一些其他的机器学习框架：比如H2O，还有像http://www.datazen.ai/这样的网站，里面会集成很多机器学习框架，迅速完成建模实战任务。
