2018年底了，回顾过往的一年，可谓是感慨良多。中美贸易战影响深远，经济不景气，大量公司裁员，个人在历史的潮流下几无还手之力。
即使世道艰难，也需坚持下去。社会变迁，技术更迭，男怕入错行的古训却古今皆然。唯有不断学习，成长，才能在未来有一席之地。
这里精选四篇机器学习的入门资源，都是我在2018年收集的。这些资源不仅免费，而且深入浅出，可操作性强。我从中受益匪浅，虽然没有进入相关行业，但了解一些前沿技术，对一个深处夕阳行业、在小私企打工的我来说，还算是保持进取的方式之一。
Deep Learning for Beginners
Satya Mallick是一名企业家，热爱计算机视觉和机器学习，并且具有计算机视觉方向的Ph.D学位。他主办的网站就以学习OpenCV为名。
在这一系列面向初学者的博客文章里，Satya Mallick由浅入深地讲解了深度学习的基本原理，配合Keras框架，手把手地传授相关知识。
Neural Networks and Deep Learning
Michael Nielsen的这本在线书籍，强调神经网络和深度学习的数学基础，如矩阵运算、偏导数、梯度下降法、向后传播法。作者对数学的讲解恰到好处，非数学专业的大学生都能看懂。
难能可贵的是，作者没有采用各种热门框架，而是用Python语言，从头开始构建了一个微型的深度学习框架。代码数不多，不到100行，且讲解得非常清晰易懂。
面向普通开发者的机器学习入门
这是简书上的一篇文章，以十分形象的图像方式，讲解了卷积神经网络的基本原理，并且有一部分简单的实操。
[透析] 卷积神经网络CNN究竟是怎样一步一步工作的？
本文对卷积神经网络的讲解更为详细和深入，并且给出了相应的视频和文档资源。
以上资源，既是给自己将来复习之用，也希望能帮到别人。
我会持续更新本文。
共勉。