ML

:

怎么说呢，还是看你的方向吧

如果是往工业界发展：

1. 有 Ng的课程 (推荐斯坦福的CS229，而非coursera)、林轩田在coursera上的两个课程、凸优化、矩阵分析相关的课程，就算入门了

2. 再看些 PRML、模式分类、统计学习方法这几本书的部分章节，自己推导推导，基础就差不多打好了

3. 再自学python，包括很多相关的库，以及看些偏互联网业务的书，比如 推荐系统、计算广告等等，就可以出山了

4. 剩下的就是在工业界遇到具体问题，具体分析，补充相关知识

如果是往学术界发展，可以看看楼主推荐的书，并且选一个方向钻进去

:

机器学习工程师大部分先考你的代码能力和算法能力。你先需要了解算法基础和数据结构，能熟练的在纸上写出代码，并能够顾及到边界或者安全性检验。

然后你才会到第二关。一般会根据你以前的工作或者项目经历，延展出一些模型的基本目标函数以及求解方式。

有时候我们也会问你一些基本问题，比如为什么SVM保证边界最大化，L1 regression为什么可以锐减feature space，LDA、EM的基本思路等。

如果你ML基础很牛，代码或者算法较差，会犹豫；算法、代码很牛，ML知道一点一般让过。有一定算法能力且ML有一定基础，比较受欢迎。

机器学习常见算法分类汇总：http://www.ctocio.com/hotnews/15919.html

机器学习经典数书籍：http://suanfazu.com/t/topic/15