2023.11.11更新,成功拿到BAT之一算法岗秋招offer。
序:良心推荐,没有晦涩难懂的书籍,没有英文书籍,学习过程循序渐进,同时也没有杂七杂八多余的推荐,一切从简,截止2023年11月11日,这里的推荐应该都是最适合的,如果之后有优秀书籍现世,会及时更新。
再序:如果你急着证明自己(也就是需要成绩写入简历),那么不得不直接上手ML/DL相关;如果你现在处于一个相关行业的平台,有足够的时间,那么建议先从数学学起,之后再涉猎ML/DL。
阅读顺序从前到后
1. 基础版(更多从易懂、实践角度出发,数理要求低)
数学基础:
- 数学要素和矩阵力量
适合刚上大学的同学或对AI感兴趣的初学者,理论+配图+例子+代码实现,一套组合拳给你安排得明明白白。
3. 数学分析
4. 最优化方法
计算机基础:
- 数据结构
- 操作系统
- C++
推荐王道考研系列。
数据结构与算法python版,建议熟练掌握。
因为人工智能的落地是建立在代码实现的基础之上的,因此计算机基础非常重要,尤其是在大数据工业情形下,计算机基础对于项目设计的指导非常有价值。
就算不竞赛,最差最差面个试每一面都要来个题,早做准备,面试时候秒a还是很酷的。
深度学习/机器学习:
- 神经网络与深度学习 邱锡鹏老师
- 书 @邱锡鹏
这书真的太好了,简洁明了,涉及机器学习,深度学习基本知识,我心目中最最出色的深度学习书,非常全面。
2. 请bilibili搜索 李宏毅 机器学习
理论知识(主要为公式推导):
- 李航老师 统计学习方法
代码:
课件:
链接: https:// pan.baidu.com/s/1izcazm XtwGV8De61p61Acw 密码: hpgf
课程:
2. 周志华老师 机器学习
公式解读:
代码复现(numpy):
3. 机器学习百板推导(视频)
编程知识:
- Python编程
2. Tensorflow2 / Pytorch
对于Tensorflow2,看这里
对于Pytorch,看这里
细分领域:
- 自然语言处理:
请bilibili搜索 李宏毅 自然语言处理。
2. 文本数据挖掘(宗成庆老师书)
2. 推荐系统:
王喆老师 @王喆 深度学习推荐系统
这书真的太好太好了,内容顺序非常舒适,同时结合现今工业级推荐系统
3. 图神经网络
4. 知识表示学习
5. 异常检测
6. 强化学习
打个比赛熟练下操作吧
时间序列预测类比赛,看这里:
nlp:
多模态:
写好代码也很重要呀!