机器学习比较偏底层，也比较偏理论，机器学习本身不够炫酷，结合了具体的自然语言处理以及数据挖掘的问题才能炫酷。机器学习好像内力一样，是一个武者的基础，而自然语言和数据挖掘的东西都是招式。如果你内功足够深厚，招式对你来说都是小意思。但机器学习同时也要求很高的数学基础，基本上我读到自然语言处理的博士，看机器学习顶会有些论文还是如读天书。而现在如果我们只讲，工程实现，有很多开源工具可以使用，你所需要的只是知道这些工具都是干嘛用的就好我不知道为什么，很多中国本科生对机器学习特别特别特别的狂热，但对矩阵，概率论又有着老纸早他妈不想念这门课了，终于过了的思想。我一直觉得，如果你真的矩阵，概率，微积分学的不好，早日勤动手，多编程，对日后找工作很有利！这三不管你学啥，一定不要舍本逐末的放弃了程序员最基础的编程功夫。最后：人工智能就是有多少人工就有多少智能。不要被百度，谷歌等吹牛逼的软文迷惑了双眼。
机器学习有两个基础非常重要：英语和数学基本上没有这两个基础寸步难行，而且NG在Coursera上的课可以说是基础的基础了，课后作业等也非常简单，如果这个都看不下去的话，那真的是无缘了，Coursera还有一门台大的《机器学习基石》可以作为NG的课的进阶，其实公开课和书籍只能作为基础，最重要的是看论文看文献。机器学习是个广义的概念，非常广。用到计算机视觉中，即计算机视觉中的机器学习；用到信号处理中，即信号处理中的机器学习；用到自动控制中，即自动控制中的机器学习；用到自然语言处理中，即自然语言处理中的机器学习。
通常我们对数据做预处理，通过机器学习找规律，中间遇到文字就用自然语言处理，最后得出有用的结论，这个也可以统称为数据挖掘。本回答被网友采纳
不管学什么东西，都要跟大牛去学，真正的大牛可以把一件事解释的清清楚楚。If you can't explain it simply, you don't understand it well enough.跟大牛学东西，你不会觉得难，一切都觉得很自然，顺利成章的就掌握了整套的知识。不过很遗憾，大牛毕竟是少数，愿意教别人的大牛更少，所以如果遇到，就不要强求语言了吧~开始进入正题，我将介绍如何从零基础入门到基本达到NLP前沿：Michael Collins，绝对的大牛，我心目中的偶像，这门课是我见过讲NLP最最最清楚的！尤其是他的讲义！Collins的讲义，没有跳步，每一步逻辑都无比自然，所有的缩写在第一次出现时都有全拼，公式角标是我见过的最顺眼的（不像有的论文公式角标反人类啊），而且公式角标完全正确（太多论文的公式角标有这样那样的错标，这种时候真是坑死人了，读个论文跟破译密码似的），而且几乎不涉及矩阵表示……（初学者可能不习惯矩阵表示吧）。最关键的是，Collins的语言措辞真是超级顺畅，没有长难句，没有装逼句，没有语法错误以及偏难怪的表示（学术圈大都是死理工科宅，语文能这么好真实太难得了）。《数学之美》的作者吴军博士在书中评价Collins的博士论文语言如小说般流畅，其写作功底可见一般。举两个例子，如果有时间，不妨亲自体验下，静下心来读一读，我相信即使是零基础的人也是能感受到大师的魅力的。
