本文引自同程企业号。
机器学习是最近几年非常热门的一项新新技术，越来越多的公司正在打算招聘机器学习的工程师，在可以预见的未来几年里，机器学习将会是一个非常有前景的职业方向。
然而，很多人虽然非常渴望进入机器学习这个领域，但面对海量的信息却不知从何下手，如果您有一点点的渴望，在新的一年成为一名机器学习专家，那么恭喜您来对地方了，这是一篇为您量身定制的学习计划，能够让你不断前行，开启一个新的职业生涯。
一月份 二月份
开始这项计划之前，先好好问问自己。这真的是你想要的吗？如果你还没有想清楚，请千万不要执行这项计划。
以下是您需要完成的挑战：
- 参加至少一次数据科学的会议或讲座
- 关注业界名人的微博，博客，跟他们交流
- 关注自己能够接触到的有关数据科学的资讯
- 关注商业分析方面的一些资讯、新闻
阶段性收获：在二月底，确定是否需要继续。
推荐阅读：《最有人性的人》，《人工智能的未来》。
三月份 四月份
提升一下数据知识。学习数理统计，线性代数和概率论。
你在学习预测模型以及机器学习时会用到。
以下是你需要完成挑战：
- 《概率论与数理统计》盛骤 浙江大学
- 《线性代数》张益群 21世纪高等学校数学系列教材
- 《统计学习方法》李航 清华大学出版社
阶段性收获：在四月木你需要掌握统计学知识，比如回归，假设检验。
五月份
学习编程，可以选择Python, MatLab 或者Scala语言。
以下是你需要完成挑战：
- 安装Python开发环境
- 学习Numpy数据处理
- 学习Pandas数据处理
- 学习Python 数据可视化操作
阶段性收获：在五月底你需要能完成基本的数据处理操作，例如过滤，选择和观察数据的变化趋势。
推荐阅读：《利用Python进行数据分析》、《Python Data Science Handbook》、《Scala程序设计》
六月 七月
你需要在这两个月的时间里高强度的学习机器学习了很多知识，很多人会在这个阶段放弃，通过这一关你就离成功不远了。
以下是你需要完成的挑战：
- 开始在Coursera上学习吴恩达教授的机器学习在线课程
- 学习线性回归和逻辑回归
- 用一个公开数据练习预测模型
- 学习聚类模型
- 用kaggle上找到的泰坦尼克号公开数据练手
阶段性收获：如果你能完成这些挑战，你就离成功不远了，因为平均只有10%的人能通过这些挑战。
推荐阅读：《数据挖掘 -- 概念与技术》
八月份
仅仅能做数据模型是不够的，你还需要有强大的描述模型的工具。
以下是你需要完成的挑战：
- 学习 Qlikview
- 学习 Tablean
- 学习D3.js
阶段性收获：你可以为公开的数据集建立强大的数据展现页面。
推荐阅读：《鲜活的数据 -- 数据可视化指南》、《触手可及的大数据分析工具 -- Tablean》
九月份 十月份
你已经差不多可以去寻求一份机器学习相关的工作了，现在你需要的是需求练手的机会。
以下是你需要完成的挑战：
- 参加至少一项大数据竞赛
- 发现你的强项
*实践，实践，继续实践
阶段性收获：在大数据竞赛中感受到自己的进步
推荐阅读：Kesci, Your Home for Data Science
十一月份 十二月份
恭喜，你已经掌握了足够的知识，可以去寻求一份机器学习相关的工作了，祝你成功。
以下是你要完成的挑战：
- 准备一份简历
- 了解国内知名大数据公司，例如百度、腾讯、阿里、同程
- 多在网上看一些机器学习相关的面试题
阶段性收获：找一份机器学习相关的工作，开启新的职业生涯
推荐阅读：阳光总在风雨后，请相信有彩虹！