对于机器学习入门建议先通过最简单的项目和想法开始，掌握基本的思维方式，建立起兴趣和整体的认识，可以先看一下知乎上面的一些解答，给自己建立一个学习路线，循序渐进，知乎链接：https://www.zhihu.com/question/20691338。
然后推荐从最简单的机器学习算法-线性回归模型入手，通过建立cost function并最小化的过程，掌握一套最基本的数学模型来优化算法，训练出参数并用于预测；对于入门课程强烈推荐Andrew Ng的《机器学习》课程，专业概念充足，完全是基本功，在以后应用机器学习时，会发现这里面的思想和概念是非常有用的，coursera原版课程链接为：https://www.coursera.org/learn/machine-learning上面带中文字幕，bilibili同款：https://www.bilibili.com/video/av60082616，这门课程的前身是斯坦福大学的机器学习公开课，链接为：https://www.bilibili.com/video/BV1PW411Y7f2 这个讲的会深一些，不过入门还是建议看coursera上的，另外课程每周会有作业，尽量自己做，网上也有整理的比较好的笔记可以参考：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes，另外听课记得自己也多记笔记，有时候讲的当时清楚，过上几天就淡忘了，回头再找视频效率低，建议多刷几次理顺脉络之后随着看视频不断完善笔记。
然后推荐另一个比较好的课程是台大林轩田老师的《机器学习基石》，这个是中文的，讲的也非常深入，b站完整版地址：https://www.bilibili.com/video/av4294020/。
到这里基本的入门应该可以了，建议先准备一些本科数学基础，不用太多，主要是：《高数》(微积分和导数，偏导数部分)、《线性代数》、《概率论》另外要有一些向量的思想。
编程方面，程序员一般没问题，语言方面：Python,R,matlab/Octave都可以，比较推荐用python，语法简洁，开发效率高。
另外还有一些入门必备的书，比较经典的推荐：
- 《统计学习方法》 清华大学出版社 李航
- 《机器学习》 清华大学出版社 周志华，传说中的西瓜书
- 《机器学习实战》 人民邮电出版社 作者是美国的Peter Harrington；这本书都是用python实现，很基础，上来就能撸代码
这几本是比较经典的，如果有更好的会继续推荐，欢迎补充！