【问题解析】机器学习和数学建模是两个不同维度的东西。不同维度一个是思维一个是方法。
首先、简单说说这两个的区别。
数学建模：
官方解释：数学建模就是使用数学方法解决实际应用问题。说人话就是：把一个实际问题抽象成一套可计算模型。这是一套方法论，要解决什么问题？要怎么去解决问题？解决问题的步骤是？用到哪些模型算法？如何构建这些模型？模型构建完毕后是否合理？是否有改进区间？
机器学习：
官方解释：是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。 说人话就是：一种实现人工智能的方法，他是具体的方法。数学建模完毕后，你可以选择使用机器学习去做，也可以采用其他传统的方法。机器学习一般通过大量数据来训练，通过各种算法、数据中来学习如何获得最优解。
深度学习：也是你经常听过的名词，通过多层神经网络来对数据进行特征学习的算法到了这里你晕了没？晕没晕都没关系，马上上硬菜。
硬菜、给你提供一套学习这一块的案例。
我一哥们开源的，算法大牛，语言主要是python。
案例是，GitHub上，2.3K Star的开源项目chineseocr
现在发布了新版
专注于了darknet框架。
个人建议是，照着他的源码先部署，运行，然后去学习里面的代码思想，在部署和思考的过程中进而去学习相关的东西。
谢谢，我是@顾问鑫水大师，专注回答科技相关问题！
