现在主流的机器学习方法是基于神经网络的，但是是以统计为基础的，我就理解你说的机器学习入门从统计机器学习入门开始。
本人哈工大本硕计算机专业，方向是机器翻译(属于自然语言处理)，不涉及研究方向只说机器学习入门的话，是从李航老师的《统计学习方法》开始的，这本书讲了十个左右常用统计机器学习模型的概念及公式推导，我当年基本上就是把这本书推导了一遍，概念也理解的差不多，算是入门吧。
之后又看周志华老师的西瓜书《机器学习》，发现这本书相较《统计学习方法》而言，内容更充实一些，但是数学公式或者推导一类的相对较少，现在来看，我倒是感觉周志华老师的西瓜书更适合第一次阅读，因为里面的概念思想例子比较生动形象。
再之后看过实验室马春鹏师兄翻译的《PRML》(模式识别与机器学习)以及其他一些NLP相关的书，研究相关的书就先不列了，，，对机器学习的理解进一步加深。
最后迫于工作压力终于还是来到了神经网络，刚开始是看讲义，入门是看的复旦邱锡鹏老师的《机器学习与深度学习》讲义，基础的cnn，rnn算是过了一遍，，，还有那本有名的花书哈哈哈，不过花书没看完！还有一些博客啥的也不细说了，感兴趣可以联系我，给你分享一下！
再后面看的比较多的是研究相关的书，也不列了，现在比较火的预训练模型bert，elmo，roberta之类的都是看论文了，，，，，
希望你入门成功，有问题或者想法可以一起交流?
