Vì bạn quan tâm đến học máy, tôi sẽ bỏ qua xác suất và mesaure, và nhảy ngay vào ML. Cours e của Andrew Ng là một nơi tuyệt vời để bắt đầu. Bạn có thể hoàn thành nó trong hai tuần.
Chơi với những gì bạn đã học được trong vài tuần, sau đó quay trở lại cội nguồn và nghiên cứu một số xác suất. Nếu bạn là một kỹ sư, thì tôi sẽ bối rối với cách bạn đã bỏ qua khi học đại học. Nó từng là khóa học bắt buộc trong kỹ thuật. Dù sao đi nữa, bạn có thể bắt kịp bằng cách tham gia khóa học MIT OCW tại đây .
Tôi không nghĩ rằng bạn cần lý thuyết đo lường. Không ai cần lý thuyết đo lường. Những người làm, họ sẽ không đến đây để hỏi, bởi vì cố vấn của họ sẽ cho họ biết nên tham gia khóa học nào. Nếu bạn không có một cố vấn thì bạn chắc chắn không cần nó. Tautology, nhưng sự thật.
Điều với một lý thuyết đo lường là bạn không thể học nó bằng cách "đọc dễ dàng". Bạn phải làm các bài tập và các vấn đề, về cơ bản, làm điều đó một cách khó khăn. Điều đó hầu như không thể ở bên ngoài phòng học, theo ý kiến của tôi. Lựa chọn tốt nhất ở đây là học một lớp tại trường đại học địa phương, nếu họ cung cấp như vậy. Đôi khi, khóa học xác suất trình độ tiến sĩ sẽ thực hiện các biện pháp và xác suất trong một lớp, có lẽ là thỏa thuận tốt nhất. Tôi không khuyên bạn nên tham gia một lớp lý thuyết đo lường thuần túy trong khoa Toán, trừ khi bạn thực sự muốn tự hành hạ mình, mặc dù cuối cùng bạn sẽ rất hài lòng.