機器學習基礎
https://zh.coursera.org/course/ntumlone
機器學習技法
https://zh.coursera.org/course/ntumltwo
這兩門都是很好的入門課程，唯一遺憾的是，林軒田老師去工業界了，不會親自再開這兩門課，但是 Course Materials 仍然可以訪問。hw可能有點難，我上學期上技法的時候，每次都要花一兩天才能拿到勉強 325+/400。但是他的用意是把課上不會講的東西放在hw里，所以大可不必太過擔心，實在有不會的，可以去看看《Learning from data》這本書（我沒有看，但他聲稱這本書覆蓋了他的內容）， 或者把講義再看一遍。這門課的 note 基本每周都有（非官方），這個要自己搜一下。我這有保存著技法 note 的一個網址：
Stanford 的 cs229
https://zh.coursera.org/learn/machine-learning
有史以來最有代表性的公開課，Andrew Ng （這個人物很有名，coursera的co-founder，百度dl院的首席科學家）親自授課，超簡單，只有技術細節，少有理論解釋，與臺大的課形成鮮明對比。但同時是有一些 insight 的。使用 matlab ，其實很容易，我現學的。
這兩門課上完，應該機器學習的基礎是有了（我也就只有這兩門課的水平，但是如果不搞學術，大家都差不多）。當然，要是搞研究還早。只不過 PRML， MLAPP 這些書我也看不下去，所以也沒法給推薦。不過幾個月前入了周志華老師（南大LAMDA實驗室的頭，學術大牛）的一本《機器學習》，新書，感覺很不錯，主要是讀著有意思，推薦給你。周志華老師的微博：
http://weibo.com/zhouzh2012?from=myfollow_all
《統計學習基礎》這本書也有很多人推，我買來看了很少（就一兩個算法），是主要介紹算法的，如果想對某些算法做不深不淺的了解，非常合適。作者是李航博士，wb：
http://weibo.com/u/2060750830?from=myfollow_all
至于語言方面，我差不多就是你這個時候學了 python，坦白講 python 用的最多，但以后做統計的時候，很有可能導師非要用 R 或者 Matlab， 但是它們能做的， python 也能做， 反過來就不是了。這是python的一個基礎教程，不太建議上 MOOC ，我當時上了一個 Rice 的課，教的很慢，學不到什么。建議看教程，直接上py3：
http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000
python 基本語法，和幾個糖學會了，就能寫程序了，「寫」python 本來就很容易。
但是平時還要用到別的幾個庫：比如scipy numpy matplotlib sklearn sympy 我一般就是要用的時候就翻 API 。還要使用IPython。
對了，別上JH的課，他家是圈錢的。
一門沒上過的，不負責推薦：
https://zh.coursera.org/course/scicomp
339390736，一個討論較多的群。
