1樓：泰克尼客
Python幾天就ok了，好好複習本科的幾門數學課，高數，線代，概率，千萬別丟。這是基礎中的基礎。讀研階段，矩陣泛函也要學紮實。
2樓：WILL
先說下我和題主理解的稍有不同的吧，這三個概念其實相關性很大，模式識別約等於機器學習，深度學習是在機器學習基礎之上發展而來的，尤其是神經網路，是需要機器學習基礎的。
所以這裡就假設你想入門深度學習，說下我個人想法，權當拋磚引玉了。
建立在你數學基礎較為紮實的前提下，如果你的矩陣論、概率論等知識還不牢固，請自覺補充;
建立在你想打好深度學習基礎的前提下，如果你想速成，請跳過餘下所有步驟，因為這些步驟完整走下來，沒有三四個月我是很難做到的。
乾貨來襲～～～
1.程式語言
程式語言的話，C++和Python是必需的。
Python的話，花上半個月，學習下基礎語法知識，常見的庫，如numpy、matpltolib、scipy、sklearn等還是要知道下，像pandas的話，可以先不用可以去學習，等用到再補也來得及。當然，如果你是做影象的話，影象的庫如opencv、skimage等希望也要有點涉及吧。
C++的話，這裡我就不說了，說多了都是累（淚）啊。
2.深度學習基礎知識注：這裡提供的建議是DL領域的，如果你是想走ML的話，還可以加上《機器學習實戰》這本書。
3.深度學習框架
學習一種深度學習框架，把上面的例子都手敲下。
4.實戰
實戰最好的方法就是比賽或者專案了，這裡建議Kaggle，學習下別人的Kernel。
模式識別機器學習的發展方向？
超越 既然對模式識別 機器學習這方面比較感興趣，那麼建議從卷積神經網路這一類開始學，例如 1 卷積神經網路 卷積神經網通過採用卷積，極大規模地減少了引數的數量。卷積神經網路 2 深度殘差網路 深度殘差網路的主要特色，就是下圖中的恒等通路。深度殘差網路 3 深度殘差收縮網路 深度殘差收縮網路 1 2 ...
現在影象處理和模式識別前景如何？
納瓦霍奧爾挲狗 題主可能是說的是自動化系底下那個模式識別吧，要是計算機學院的可能不會考慮這個問題，現在的前景是，畢業進公司後，你會發現做演算法工程師的人許多以前都是做模式識別與影象處理的，但是由於當前影象識別的識別率只能在特定場景下保證，所以現在影象識別的應用價值還不大，要想商業化我覺得必須再突破相...
研究生階段想自學模式識別以及機器視覺，有什麼好的建議嗎？
超越 如果不知從何學起，不妨從人工神經網路開始學，畢竟這是目前最主流的門類，包括 1 多層感知機 多層感知機是由輸入 隱含和輸出等層組成的，是最簡單的人工神經網路。多層感知機 2 卷積神經網路 卷積神經網路的核心部分是卷積層和池化層，其功能如下圖所示。卷積神經網路 3 殘差收縮網路 當資料雜訊強時，...