这是我在学习过程中看到的、找到的一些比较好的资料。
有些已经学过防止以后遗忘把资料列在这里，还有些没有开始留着以后学习，总之统一整理在这里方便回顾。

一. 数学

• 线代：MIT的Gilbert Strang的线性代数课程

• 概率论与统计：《概率论与数理统计》陈希孺

二. python入门

• 南大python课程-用python玩转数据
• 嵩天Python数据分析与展示
• 廖雪峰Python教程
• 莫烦python教程

三. 机器学习入门

1. 课程

• 吴恩达老师的Coursera机器学习课程
  课程对应的中文笔记
  课程编程作业没有用python，推荐一个课程作业的python实现。

• 林轩田老师的机器学习基石，机器学习技法
  推荐这两门课的笔记

2. 理论书籍

• 《统计学习方法》
• 《机器学习》

3. 实践书籍

• 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》
  《机器学习实战 基于sklearn与Tensorflow》中文版
• 《机器学习实战》

四. 深度学习入门

1. 课程

• deeplearning.ai 系列课程；
  搭配两个中文笔记：笔记1(基本是课程内容的文字复述)，笔记2(结合作者自己的理解)；
  此外，建议去Coursera注册课程，里面的deeplearning.ai的编程作业值得做。

• fast.ai也是不错的课程，是一种自上而下的教学方式，从编程实现教起，一步步深入讲解知识点。

2. 理论书籍

• 《深度学习》
• 《神经网络与深度学习》邱锡鹏

3. 实践书籍

• 《python深度学习》
• 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》
  《机器学习实战 基于sklearn与Tensorflow》中文版

五. 自然语言处理入门

1. 课程

• cs224n：17年cs224n版本和最新的19年cs224n版本。前者用的是tensorflow教学，后者用的是pytorch教学另外还增加了一些新知识的讲解。
  cs224n17版的笔记
  cs224n19版的笔记

2. 科普书籍

• 《数学之美》

3. 理论书籍

• Speech and Language Processing, Third Edition
  《自然语言处理综论》中文版目前第二版
• 《统计自然语言处理》
• 《Neural Network Methods for Natural Language Processing》
  《基于深度学习的自然语言处理》中文版
• 《Foundations of Statistical Natural Language Processing》

4. 实践书籍

• 《自然语言处理入门》
• 《python自然语言处理》

六. 知识图谱入门

书籍

• 《知识图谱》 赵军等编著
• 《知识图谱：方法、实践与应用》 王昊奋等编著
• 《知识图谱：概念与技术》肖仰华等编著

其他

• 东南大学《知识图谱》研究生课程
• awesome-knowledge-graph

七. 框架工具

1. Pytorch

• pytroch官方教程/pytorch中文文档

• pytorch-tutorial

• pytorch-handbook

2. sklearn

• sklearn官方文档
• sklearn中文文档
• 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》

学习资料汇总

原文：https://www.cnblogs.com/z1xiang/p/12677727.html