2023.11.11更新，成功拿到BAT之一演算法崗秋招offer。
序：良心推薦，沒有晦澀難懂的書籍，沒有英文書籍，學習過程循序漸進，同時也沒有雜七雜八多余的推薦，一切從簡，截止2023年11月11日，這裏的推薦應該都是最適合的，如果之後有優秀書籍現世，會及時更新。
再序：如果你急著證明自己（也就是需要成績寫入簡歷），那麽不得不直接上手ML/DL相關；如果你現在處於一個相關行業的平台，有足夠的時間，那麽建議先從數學學起，之後再涉獵ML/DL。
閱讀順序從前到後
1. 基礎版（更多從易懂、實踐角度出發，數理要求低）
數學基礎：
- 數學要素和矩陣力量
適合剛上大學的同學或對AI感興趣的初學者，理論+配圖+例子+程式碼實作，一套組合拳給你安排得明明白白。
3. 數學分析
4. 最佳化方法
電腦基礎：
- 數據結構
- 作業系統
- C++
推薦王道考研系列。
數據結構與演算法python版，建議熟練掌握。
因為人工智慧的落地是建立在程式碼實作的基礎之上的，因此電腦基礎非常重要，尤其是在大數據工業情形下，電腦基礎對於計畫設計的指導非常有價值。
就算不競賽，最差最差面個試每一面都要來個題，早做準備，面試時候秒a還是很酷的。
深度學習/機器學習：
- 神經網路與深度學習 邱錫鵬老師
- 書 @邱錫鵬
這書真的太好了，簡潔明了，涉及機器學習，深度學習基本知識，我心目中最最出色的深度學習書，非常全面。
2. 請bilibili搜尋 李宏毅 機器學習
理論知識（主要為公式推導）：
- 李航老師 統計學習方法
程式碼：
課件：
連結: https:// pan.baidu.com/s/1izcazm XtwGV8De61p61Acw 密碼: hpgf
課程：
2. 周誌華老師 機器學習
公式解讀：
程式碼復現（numpy）：
3. 機器學習百板推導（視訊）
編程知識：
- Python編程
2. Tensorflow2 / Pytorch
對於Tensorflow2，看這裏
對於Pytorch，看這裏
細分領域：
- 自然語言處理：
請bilibili搜尋 李宏毅 自然語言處理。
2. 文本資料探勘（宗成慶老師書）
2. 推薦系統：
王喆老師 @王喆 深度學習推薦系統
這書真的太好太好了，內容順序非常舒適，同時結合現今工業級推薦系統
3. 圖神經網路
4. 知識表示學習
5. 異常檢測
6. 強化學習
打個比賽熟練下操作吧
時間序列預測類比賽，看這裏：
nlp:
多模態：
寫好程式碼也很重要呀！
