针对这个问题，我的总体建议就是：
本着大处着眼小处着手的学习原则，顺藤摸瓜，展开学习。不老在门口徘徊，一脚先进去，然后定位自己需要的知识点，进行聚焦学习。
首先比较下两者的区别机器学习与深度学习有什么区别？
两者的关系是：人工智能AI包括机器学习，机器学习包括深度学习。
额外也提一下数据挖掘，大数据的挖掘常用的方法有分类、回归分析、聚类、关联规则、神经网络方法、Web 数据挖掘等。所以我们看到机器学习跟深度学习都是数据挖掘的方法。
什么是机器学习？
机器学习(Machine Learning，ML)是人工智能的子领域，也是人工智能的核心。机器学习是一门交叉学科，综合利用概率论知识，统计学知识，近似理论知识和复杂算法知识，模拟人类的思考解决问题的方式，达到充分利用计算机超强运算能力协助人类解决问题的目的。
什么是深度学习？
深度学习(DeepLearning，DL)属于机器学习的子类。是利用深度神经网络来解决特征表达的一种学习过程。深度学习(DL, Deep Learning)是机器学习一个新的研究方向，使用更加抽象的算法来模拟人的大脑的决策学习过程。它的最终目标是让机器能够像人一样具有分析学习能力。
机器学习与深度学习的比较深度学习在搜索技术、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术等待领域取得了很多成果。我们平常把深度学习跟机器学习混在一块的，这也没什么不妥。
1、检验算法的成熟度
机器学习，通过调整得到的算法一般是准确，并完全可控的，可以比较快得到高成熟度的算法。
一般来说，深度学习算法需要大量时间进行训练。这是因为该算法包含有很多参数，因此训练它们需要比平时更长的时间。所以深度学习的算法成熟度，跟不确定性，需要更长时间。
2、解决问题的过程
机器学习算法遵循标准程序以解决问题。计算过程是可以解释的、按流程进行的。
深度学习的数据处理过程则是黑盒子方式，需要通过不停的调整训练。
两者的基础概念相通的地方很多最终如果掌握了深度学习，肯定也掌握了机器学习。学习的过程不一定是要求把所有机器学习模型通通掌握，而是理解一些基本概念，比如监督学习(supervised learning)，无监督学习(unsupervised leaning)，训练(training)，测试(testing)，泛化(generalization)等。这些概念都是通用的。
大处着眼小处着手的学习原则如果要学习深度学习，网上有很多深入浅出的文章跟公开课可以学习快速有个总体概念。
了解需要的预备知识。不能始终在门口徘徊。可以先一脚进去看看，里面有什么。
如果入门了，就要开始聚焦一个专业细分领域了。
因为涉及的概念太多，要迅速搜集信息，让自己尽快定位到需要专注学习的细分方向上。
把不太懂的地方都展开学习，就可以顺藤摸瓜。
总之，要聚焦问题，让自己的学习更加高效，有针对性。
