链接：https://zhuanlan.zhihu.com/p/24768878
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
本着两条原则发一波车：
1.不建议报辅导班。不是因为我们不应该为学习知识付费， 而是因为有更好的资源，而这些资源恰好免费。报辅导班学习浪费钱倒是次要的，主要是时间有限，所以我们要把最好的时间集中在最高效的事情上。
2.视频资源种类繁多，但我只推荐最好的。就像这世界有那么多种车，而我只开最适合自己的自行车（穷）
Are you ready?
以下课程均有中文字幕：
1.机器学习
机器学习视频我推荐大神Andrew Ng的课程：
https://www.coursera.org/learn/machine-learning/home/welcome
Andrew Ng的课程有两个版本，一个是斯坦福大学的公开课，一个是coursera上的课程。我更建议后者。首先是在couresa上讲，Andrew Ng面对的是所有在线的听众，这样自己听课就会有一种带入感，仿佛就在课堂一样，而听斯坦福大学公开课的那个版本自己听起来更像一个旁听生。其次是在couresa上作业，课件齐全，不用再到其他的地方找，减少很多麻烦。
2.深度学习
深度学习我推荐李飞飞团队主讲的《深度学习与计算机视觉》：
斯坦福CS231n-深度学习与计算机视觉 - 网易云课堂
课件下载：
amazingzby/cs231n
剧透一丢丢：第一节李飞飞讲课时怀着孩子，所以只能坐着讲课，但课程内容依然interesting 。
3.推荐个与机器学习，深度学习不相关的课程，Jerry Cain讲的《编程范式》，我只听过前几节，感觉超级赞，就推荐给大家了
斯坦福大学公开课：编程范式_全27集_网易公开课
OK！第一波已经结束，来第二波
介绍几款常用的python库：
1.numpy
NumPy - NumPy
处理数组，矩阵非常有效的库，不会numpy，学后面的白搭。
2.matplotlib
python plotting - Matplotlib 1.5.3 documentation
数据可视化（其实就是画图，直方图，折线图，饼状图等等）必备。
3.pandas
Python Data Analysis Library
pandas主要用于清洗数据，如果输入数据不那么规范（比如有数据丢失或有无效数字），用pandas处理会非常方便。
4.sklearn
http://scikit-learn.org/
机器学习必备
5.tensorflow
https://www.tensorflow.org/
这个不解释，老司机都懂的！
今天就先开到这里，下车前记得刷卡~