本文用来记录自己走过的一些弯路和一些坑，仅用于娱乐
书籍篇
- 统计学习方法（完整看完了）
- 西瓜书（就翻了翻）
- 神经网络与深度学习（翻了几遍，写的过于简略了，用来了解DL面貌挺好）
- 深度学习花书（看完了前两部分）
- 机器学习实战蜥蜴书（刚开始看的，懵懵懂懂敲了SVM之前的）
- 数学之美（科普）
- Python数据科学手册（网上都有，没什么必要买）
- Pytorch深度学习实战（垃圾书）
- 深入浅出Pytorch（不如看官方文档）
- 机器学习的数学（有用，但是过于简略）
- 演化学习（还没看）
- PRML（考上研究生再说）
- 机器阅读理解（看了一部分，是NLP里的小方向，作者很厉害，挺好一本书）
- 机器学习算法竞赛实战（讲的还可以，但是书中代码过于混乱了，不知道怎么跟着敲）
- 知识图谱 - 方法，实践与应用（正在看，应该是本好书）
- 自然语言处理综述（自己打印的英文原版，大而全，想了解哪个方向看哪章即可）
- 动手学深度学习（第一版只有MXNet的代码遂吃灰，但是沐神的第二版加上还有讲课真的绝，最适合用来入门深度学习的书籍配套课程没有之一）
以上排名不分先后
总结：要我回到初学重新入门的话，我会选择优先看 统计学习方法（了解机器学习），神经网络与深度学习（了解深度学习），看沐神的动手学深度学习2（自己跑一些小demo），深度学习花书（加深对DL的理解，一些很深刻而简单的思想）
课程篇
- 机器学习 - Andrew Ng.（最简单友好的入门课程）
- 数据挖掘 - 清华大学袁博 （了解了最经典的机器学习和数据挖掘算法）
- CS231n - Feifei Li（入门CV，只看完了课，作业当时太难做不下）
- CS224n - Chris Manning （入门NLP，看了前一半）
- 动手学深度学习2 - 李沐（绝对的良心课程，最适合入门DL没有之一）
- 深度学习 - Andrew Ng. （很好的DL入门课程，深入浅出）
- 白板推导系列 （清华大佬手撸PRML，看了一部分，讲的很好）
- Hugging Face Course （抱抱脸的官方教程，教你怎么上手使用抱抱脸的全套工具来跑nlp模型）
- Pytorch 入门课程
总结：因为自己的原因大部分课程都没有完整的完成，最为推荐的是先看Ng的机器学习，然后看沐神的动手学深度学习，自己多敲一敲代码不理解的地方去认真细心看文档，多看看自然就会了，然后早点开始学抱抱脸的课程快速上手nlp，代码跑起来提起兴趣很重要，一直看书太枯燥
论文篇
以下几篇都是沐神视频带精读的，也是最重要的
- Transformer（神作，不用多说）
- Bert（同样是神作）
- GPT
- Vit
- MAE
老老实实敲代码，老实读论文，努力考研