当你想要学习机器学习时，最重要的是制定一个计划。以下是一个适合初学者的机器学习学习计划，包括学习资源链接，帮助你逐步掌握机器学习的基础知识。

阶段一：基础知识

1. 学习 Python 编程语言，建议使用 Python 3，了解基本语法和数据结构。

• Python官方文档

• 菜鸟教程 Python 3 教程

2. 学习数学基础，包括线性代数、概率论和统计学。

• MIT公开课：线性代数

• Khan Academy：概率论和统计学

3. 学习机器学习的基础知识，包括分类、回归、聚类、降维等。

• 斯坦福大学机器学习公开课

• 机器学习基础知识 - 雷锋网

阶段二：实践项目

1. 完成机器学习项目，熟悉机器学习的基本流程和常用工具。

• Kaggle：一个数据科学竞赛平台，有许多适合初学者的项目。

• TensorFlow官方教程：TensorFlow是一个常用的机器学习框架，它提供了许多示例和教程。
  

阶段三：深度学习

1. 学习深度学习的基础知识，包括神经网络、卷积神经网络、循环神经网络等。

• 斯坦福大学深度学习公开课

• 深度学习基础知识 - 雷锋网

2. 学习深度学习框架，包括 TensorFlow、PyTorch 等。

• TensorFlow官方文档

• PyTorch官方文档

• PyTorch documentation — PyTorch 1.13 documentation

3. 完成深度学习项目，深入了解深度学

阶段四：模型调优

1. 学习模型调优技巧，包括超参数调优、模型集成等。

• 机器学习的超参数优化指南 

• 机器学习模型融合：stacking原理、实现和代码

1. 尝试使用自动化调参工具，如Google开发的AutoML。

• Google AutoML

阶段五：深入学习

1. 学习深度强化学习、生成模型等高级机器学习技术。

• 深度强化学习入门指南

• 深度生成模型入门指南 

1. 完成高级机器学习项目，如语音识别、图像生成等。

• Google Magenta

• 语音识别和语音合成 - TensorFlow

总之，学习机器学习需要花费大量的时间和精力，但是掌握它将会带来巨大的收益。以上学习计划中的资源可以帮助你快速入门机器学习，并逐步深入学习。记住，最重要的是坚持学习并不断实践。

如果还有不懂的，可以在评论区留言大家一起相互探讨，或者缺少机器学习相关资源的，我这边给大家整理了一份，可以分享给大家，如果有需要可以在三连后评论区留言，反正都是薅羊毛，有何不可呢！