半年内学习、工作的建议内容

凡事预则立，不预则不立。

这个列表是根据洪康杰同学的建议，由我整理的；实践部分请惠彬原补充；各位同学可以在此基础上继续完善。 大三同学，要据此形成一个有明确时间顺序的具体计划。

目录

• 机器学习理论
• 数学基础
• 工程实践
• 论文和讲座
• 其它资源
• 补充说明

机器学习理论(2，3和4任选其一)

1.机器学习

• 课程视频：台湾大学李弘毅教授的机器学习课程
• 课程视频：Andrew Ng的在Stanford开设的机器学习课程

2.强化学习

• 图书：Sutton的强化学习
• 课程视频：David Siver的强化学习
• 实践环境：OPENAI

3.图像处理

• 课程视频：Feifei Li在Stanford开设的面向可视化识别的卷积神经元网络

4.自然语言处理

• 课程视频：Chris Manning在Stanford开设的自然语言处理及其深度学习方法

5.深度学习

• 图书：GoodFellow的深度学习
• 课程视频：台湾大学李弘毅教授的深度学习
• 课程视频：多伦多大学Hinton教授的深度学习

数学基础

• 课程视频：Gilbert Strang在MIT开设的线性代数带中文字幕的网易云课堂
• 图书：清华大学张贤达的《矩阵分析与应用（第2版）》
• 图书：美国工程院院士Dimitri P. Bertsekas的《Introduction to Probability》

工程实践

• 能熟练运用Git；
• 掌握Python语言，熟悉Numpy、Pandas、Matplotlib等库；
• 会用Sklearn等机器学习工具包；
• 掌握TensorFlow等深度学习框架；
• 阅读重要开源软件的源码；
• 掌握C/C++或Java语言。

论文和讲座

• 阅读感兴趣方向的经典、或前沿的学术论文；
• 定期对系列算法、方法、工程实践经验进行汇报讲座。

其它资源（Youtube上比较出彩的频道）

• 周莫烦。知乎大V。通俗易懂，看不下去论文的时候，找他。
• Siraj Raval。工程师届的著名演员和导演^-^。学术视频，大片质量；紧跟前沿，轻松诙谐；有一定深度。
• Sendex。实战狂人，实践入门最佳帮手。问题现说，代码现敲，说理透彻，产量极高。

补充说明

• 优先级：秉承由易到难的原则，粗体为现阶段必须学习内容。但是，数学基础无论如何也逃不过，逃不过啊，逃不过...
• 视频课程选择标准：1）公认好课；2）难度与自我水平匹配；3）有课后作业，可以自动评判答案。
• 视频课程不能取代阅读领域经典教材；学习教材的目的是为了得到良好知识体系，更快理解前沿学术论文；有突破性的idea不可能通过只读论文就得到，离开实验和实践的环节，所谓的灵感可能只是海市蜃楼般的错觉。读论文、做实验、读论文、做实验...biu...顶级论文（2030年）。