传统工科应该怎么学习机器学习or深度学习？

还是老生常谈。建议先不要直接上手机器学习/深度学习先把你研究对象/信号的机理给搞清楚然后再开始上现代信号处理机器学习/深度学习算法只有对你研究对象的机理深入了解才能更好地对信号处理算法机器学习/深度学习模型有针对性的改进比如加入相关领域知识等等等等。

以通用的信号处理来说不管你拿到的是机械振动信号地震信号ECGEEG信号还是声信号等首先进行时域频域分析关于时域特征

频域嘛就是了解下频谱包络谱平方包络谱倒谱频谱细化分析等等还有各种熵值特征分形特征。

       分析着分析着你发现单纯的时域频域分析根本不够用非线性非平稳等等然后你开始进行时-频域联合分析先说缺乏数学理论基础的经验模态分解及其众多变体EMD,EEMD,CEEMD还有各种抑制模态混叠和端点效应的方法局部均值分解LMD局部特征尺度分解等等。然后开始分数阶傅里叶变换短时傅里叶变换STFT小波分析及众多变体双树复小波可调Q因子小波多小波等等WVD分布变分模态分解经验小波变换辛几何模态分解同步挤压变换高阶同步挤压变换等等。

       最后有了上面的信号处理特征提取基础就可以上机器学习模型了什么支持向量机SVM,随机森林RF其他集成模型线性回归LR隐马尔可夫模型HMM字典学习DL主成分分析PCA贝叶斯方法。

       当你找到海量信号以后就直接可以上深度学习模型了开始努力调参了堆栈自编码器SAE及众多变体深度信念网络DBN卷积神经网络CNN长短时记忆网络LSTM生成对抗网络GAN等等找自己感兴趣的进行研究吧哈哈。

此外还有比较多的其他方法例如形态学信号处理方法SVD类信号处理方法混沌理论的信号处理方法数字孪生信号增强谱峭度方法及众多变体流形学习等等找自己感兴趣的进行研究吧。