我的主题阅读书单

划线为看过，加粗为在看

1. 机器学习&深度学习

1.1 入门

1. Python神经网络编程
2. 深度学习入门
3. 图解深度学习
4. Python机器学习基础教程

1.2 理论

1. 统计学习方法
2. 深度学习
3. 数据挖掘导论
4. 机器学习
5. 人工智能-一种现代方法
6. Pattern Recognition and Machine Learning
7. The Elements of Statistical Learning
8. Machine Learning-A Bayesian and Optimization Perspective
9. Machine Learning-A Probabilistic Perspective
10. Bayesian Reasoning and Machine Learning

1.3 应用

1. Python深度学习
2. Scikit-Learn与TensorFlow机器学习实用指南
3. 美团机器学习实践

1.4 面试

1. 百面机器学习

2. Python&数据处理

2.1语言入门

1. Python编程-从入门到实践
2. Python基础教程
3. 小白的第一本Python书
4. Python编程导论
5. Python语言及其应用

2.2 语言进阶

1. 流利的Python
2. Python核心编程
3. Python Cookbook
4. Effective Python

2.3 数据处理

1. 利用Python进行数据分析
2. Python数据科学手册
3. 数据科学实战

3. 数学

3.1 微积分

1. 高等数学
2. Stewart Calculus
3. 普利斯顿微积分读本
4. 陶哲轩实分析
5. 托马斯微积分

3.2 线性代数

1. 线性代数
2. 线性代数及其应用
3. 线性代数应该这样学
4. 程序员的数学-线性代数

3.3 概率统计

1. 概率导论
2. 概率论与数理统计
3. 程序员的数学-概率统计

3.4 数值优化

1. 数值优化

3.5 其他

3.5.1 数论

• 数论概论
• 初等数论及其应用

3.5.2 组合数学

• 组合数学

3.5.3 计算机数学

• 离散数学及其应用
• 具体数学

3.5.4 数学分析

• 数学分析原理

4. 计算机科学

4.1 计算机系统、架构、组成

1. 深入理解计算机系统
2. 计算机体系结构 - 量化研究方法
3. 计算机组成与设计硬件/软件接口

4.2 操作系统、计算机网络

1. 现代操作系统
2. 操作系统基础
3. 计算机网络 - 自顶向下方法
4. TCP/IP 详解

4.3 算法、数据结构

1. 算法
2. 算法导论
3. 数据结构与算法分析 X语言描述
4. 数据结构基础
5. 挑战程序设计竞赛
6. 算法竞赛入门经典（训练指南）

4.4 计算理论

1. 计算理论导引
2. 自动机理论、语言和计算导论

4.5 程序、编译、汇编

1. 计算机程序的构造与解释
2. 编译原理

4.6 数据库

1. 数据库系统概念
2. SQL基础教程
3. SQL进阶教程

4.7 软件工程

1. 软件工程
2. 设计模式
3. 图解设计模式

4.8 网络安全

未完待续