我建议从一些关于机器学习的 MOOC 开始。例如 Andrew Ng在 coursera上的课程。

您还应该看看Orange应用程序。它有一个图形界面，使用它可能更容易理解一些 ML 技术。

老实说，我认为做一些项目比做一个完整的课程能教给你更多的东西。一个原因是做一个项目比做作业更有动力和开放性。

如果你有时间和动力（真正的动力），一门课程比做一个项目要好。其他评论员对技术提出了很好的平台建议。

我认为，从一个有趣的项目的角度来看，你应该提出一个问题并让计算机学会回答它。

一些很好的经典问题有很好的例子：

• 用于识别手写数字的神经网络
• 使用逻辑回归的垃圾邮件分类
• 使用高斯混合模型对对象进行分类
• 线性回归的一些使用，也许是预测给定社区的杂货价格

这些项目已经完成了数学运算，完成了代码，并且可以通过 Google 轻松找到。

其他很酷的科目可以由您完成！

最后，我研究机器人技术，所以对我来说最有趣的应用程序是行为的。示例可以包括（如果您可以使用 arduino）

创建一个应用程序，它可能使用逻辑回归，根据内部温度和房间灯的状态，学习何时关闭和打开风扇。

创建一个应用程序，根据传感器输入（可能是按钮按下），使用高斯混合模型（从演示中学习）教机器人移动执行器，可能是轮子。

无论如何，这些都是相当先进的。我要说的一点是，如果你选择一个你（真的）喜欢的项目，并花上几个星期的时间，你会学到很多东西，并且比你完成一些任务所了解的要多得多。

我认为Weka是一个很好的起点。您可以做很多事情，例如监督学习或聚类，并轻松比较大量算法和方法。

Weka 的手册其实是一本机器学习和数据挖掘方面的书，可以作为介绍材料。

假设您熟悉编程，我建议您查看scikit-learn。它有特别好的帮助页面，可以作为迷你教程/机器学习的快速浏览。选择一个您觉得有趣的领域并通过示例进行操作。