我关心的主要是机器学习有什么用，对未来哪些行业，领域，应用会产生变革级别的影响。
为了了解这些，我感觉我首先要了解现在机器学习的主要方向，他们的主要应用，相关的主要工程工具。
机器学习跟线性代数和统计联系比较多，所以在做了解时，很容易一不小心就会陷入理论的坑中，不易自拔。
传统的机器学习有一套较完整的理论和算法，去scikit learning网站可以有个大致的了解，或者听下吴恩达老师那门基础ML课程（网易上就有)。
现在好像深度学习，强化学习等方向较火。如果有时间看大部头，当然不错，不过若是想快熟了解工程应用，我建议浏览下相关背景知识，比如神经网络知识就可，然后可以找些实际代码多看看可能更有帮助，比如tensor flow相关的例子，pytorch相关的例子，openai/gym里面的例子，等等。网上和GitHub上很多。
搞些具体的例子代码来感觉下，对了解深度学习，强化学习，还是比较容易的，但想深入点，或进一步到实际应用的级别，就挑战不少了。除了对相关库和框架有较好的了解（这个活本身就不是那么容易:) ), 又很容易让你不得不回到数学/算法相关的领域里。听有人提过，想让机器学习的库/框架成熟到一般的软件开发团队不需要有ML专家就可处理中等级别的实际项目，还得5-7年。目前好像Keras相对上手较快些。
一般网上的机器学习例子用用我们自己的小机器就好。但一旦项目化，不可避免的会用到GPU或云计算服务（比如AWS，阿里云，提供的学习环境/资源）。那些也不便宜，一小时1美元什么的，也不是我们个人玩的起的。这也是个问题，但个人比较乐观硬件价格的解决会比较快。
谈了这么多，其实还没聊到到底机器学习对我们日常工作有什么关系，继续跟踪。
