算法工程学习过程

一、夯实基础
算法工程师两把斧，一把是数学，一把是计算机知识。所谓的算法无非就是应用计算机工具将数学知识应用到业务中。 但数学和计算机的知识包罗万象，普通人即使终其一生也不可能学完或者学精整个学科。 对于算法工程师来说，我们只挑选最核心的知识来学习即可！下面直击要害
1、数学
统计概率
微积分
线性代数
机器学习入门

2、计算机
C/C++语言
数据结构和算法
PYTHON编程语言
JAVA编程语言

3、英文
至少要是大学六级的水平，雅思6.5分，阅读小分6.5才算合格
我先来说英文，据我所观察，英文是区分一个程序员是否优秀的重要标志。你英文好不一定就能成为优秀的程序员，但是英文不好很大概率上你不可能成为优秀的程序员。 算法这个行业发展太快速了，日新月异，大部分资料都是英文的，发表的paper也肯定都是英文的。中文的翻译书籍往往还没出版，英文的版本就已经迭代好几次了。英文不好，你上不了Google，上不了github，上不了stackoverflow，上不了这个星球上任何优秀的程序员网站。 很大程度上，英文能力会对你的学习工作视野产生决定性影响。 说到这，很多同学都寒心了，“我就是英文不好，咋办”。 其实大部分城学员英文都“不好”，包括那些你看到的优秀程序员！ 但是有一点他们肯定很厉害，就是英文阅读的能力。没错，对于大部分程序员来说，只要阅读过关，英文就够用了，如果听力还过关，那基本上足够用了，如果写作业过关，那就很厉害了，如果口语也过关，那就忽略我写的这一段，你将会体验英文给你带来的巨大优势！ 

二、数学
数学是算法的“灵魂”！ 数学学不好会比英文还糟糕，英文是锦上添花，数学是你能力的上限！其实发展到今天，机器学习等知识涉及到是数学知识实在是太多了，我自身也没有完全搞清楚或者说将全部的知识弄明白，只能结合自己学习过的以及身边一些案例来给大家做一个推荐

1、统计概率
统计学和概率论经常被放在一起使用，直到现在还有很多人在区分机器学习和统计学，有所谓的“统计派”和“计算机派”（参考吴恩达以及他的恩师乔丹，不是打篮球的那个）。 统计学涉及的回归分析是机器学习里最简单的线性模型，概率论里面的概率分布和概率计算是机器学习演算的一个核心。机器学习模型对样本进行预测的都是给出一个概率值，表达不确定性！

如果你是文科生，数学又很弱的话，我推荐你学习《商务与经济统计》。这本书浅显易懂，不会像国内教材那样枯燥乏味，每一章节都会含有一个具体的商业案例，大量的习题（虽然习题很弱）。每天学习1-1.5个小时，差不多30天能学完。最难的章节属于假设检验以及线性回归那里，单也仅仅是相对的难而已，比起机器学习，它毛都不算！
如果你是理科生或者数学功底不错的话，我推荐你学习陈希孺的《概率论与数理统计》。很传统很经典的中国式教材，但是写的内容实在是好，前后衔接的恰到好处，由浅入深，概念解释的直白明了，涵盖了以后机器学习所需要的几乎全部概率知识。缺点就是纯教科书班的书籍，读起来略微枯燥。

推荐星级
《商务与经济统计》 五星
《概率论与数理统计》 四星
建议学习周期：40天

2、微积分
我只推荐一本书《普林斯顿微积分读本》和一门简单的课程《微积分的本质》。我看过很多微积分的教材，包括同济的《微积分》以及《托马斯微积分》，但是都没有《普林斯顿微积分读本》更能吸引我的注意力。这本书浅显易懂，书籍看起来很厚，但是学习起来并不费力，作者的写作观点很友好，风格较为轻松却又不失严谨。建议如果基础较差的同学可以“重头来过”，好好的跟学一遍！我对泰勒展开式那一章节尤为记忆深刻，作者先是引入了一个及简单的案列，接着就此案列进行了深入的讲解，一目了然。
《微积分的本质》是三蓝一棕出品的简短视频，通过酷炫的动态PPT演示了微积分的过程。但是真的仅仅是入门级别的视频，就当做课外“读物”学一学吧

推荐星级
《普林斯顿微积分读本》 四星
《微积分的本质》 四星
建议学习周期：60天

3、线性代数
线性代数到底怎么学，我真的一直没有找到很好的方法。我看过很多的书籍和视频，包括同济的那一本很薄的书，我一度以为那是本很好的教材，直到我在网易云课堂上学习了MIT的线性代数课程，像是打开了新世界的大门，原来线性代数背后的理论并不是凭空记忆而来的。后来又学习了《线性代数的本质》这套课程，那令人震惊的动画演示线性变换至今令我记忆犹新！

推荐星级
《MIT线性代数》 五星
《线性代数的本质》 五星
建议学习周期：20天

三、计算机技能
1、PYTHON
如果你想入门计算机，首先应该先学一门语言，它会是你使用最多的一个工具。而PYTHON几乎是最简单的最适合新手学习的一门语言。我个人认为学习PYTHON需要包含以下几个方面：
PYTHON的基础语法
使用PYTHON掌握基础的计算机编程思路
PYTHON用于数据处理和数据分析

任何一门语言的学习都离不开语法本身，Python也不列外，但相对于其他语言，Python语法就简洁明了。我看过很多PYTHON入门的书籍，要说好的我就只推荐两个，一本是《LEARN PYTHON THE HERD WAY》，另一本是《PYTHON编程：从入门到实践》。如果你每天抽出两个小时来学习，一般两个星期就能搞定PYTHON语法。

接下来我推荐学习的可能与你在其他地方看到的不一样，我希望你能学习一些计算编程思维，再直白一点就是学习一点数据结构和算法。 随着我自己工作经历的增长，越来越发现编程思维（数据结构和算法）对于工作以及思考问题的重要性，所以直到现在我仍然在不断的恶补之前落下的数据结构和算法。 因此你不妨在一开始学习阶段就来弥补一些！
我给你推荐的是一本书以及这本书配套的课程，这是我看过的最好的教程： 《PYTHON编程导论》以及EDX上开设的专门的对应视频课程。这套教程除了讲解PYTHON基础知识外，还会讲解常用的编程算法，包括查找，排序，搜索等等，可以说是相当好的入门计算机课程。

PYTHON是一门非常综合的语言，被发明出来也不是为数据挖掘或者数据分析专用的。PYTHON能够成为“AI第一语言”得益于它众多的第三方库，因此我们还需要学习一下专门用来进行数据处理的第三方库：pandas、numpy、matplotlib。唯一推荐的书籍就是pandas作者写的《利用PYTHON进行数据分析》，这本书介绍了几乎三个库主流的用法，相当实用。唯一的缺点就是编排比较乱，学的很零散，所以需要你自己好好的总结一番！

推荐星级
《PYTHON编程：从入门到实践》 四星
《PYTHON编程导论》 五星
《利用PYTHON进行数据分析》4星
建议学习周期：30天

2、机器学习
我们宗旨是成为一名算法工程师，现代意义上算法工程师一般就是指机器学习工程师。在第一年的夯实基础阶段，我们并不能完全深入的学习完机器学习的知识，但是入门还是一定要具备的。机器学习数学基础三板斧：微积分、线性代数、统计概率！ 所以你可以看出来，为什么我花了很大篇幅和你讲要认真学习这三门课！

那么入门阶段该怎么做呢？ 很简单，一门课一本书。

一门课
吴恩达《MACHINE LEARNING》公开课

这真的是地球上最好的机器学习入门课程了！我无法用文字来推荐它，总之你就记得学习机器学习看着门课程就绝对错不了。网上一大堆关于这门课的资料、评价、笔记等等，数不胜数！

一本书
《Introduction to Data Mining》(数据挖掘导论)

很遗憾，我并没有推荐周老师的书，也没有推荐韩老师的书（如果你不认识两位老师，那就忽略这句话）。 数据挖掘导论是我学习过的最好的入门级别的教材，与其它一上来就开始讲解模型的书籍相比，这本书会从最开始的数据准备，数据处理讲解，给与新手最好的入门方式。其内容板块安排的又是相当的合理，尤其是决策树和异常检测这两章，我觉得是相当的精彩，手把手教你推导一个决策树！有一个章节我觉得可以不学，就是关联分析，似乎可能好像仿佛大约已经没人使用这种技术了，虽然我当初仔细的学习过，而且这本书写的也相当的好，但是真的没应用过，都快忘记的差不多了。请君自行判断~

推荐星级
《MACHINE LEARNING 》 五星
《数据挖掘导论》 四星
建议学习周期：90天