一、 基础知识
1. 数学
1) 微积分、线代、概论
数学基础：高等数学https://zhuanlan.zhihu.com/p/36311622
数学基础：线性代数https://zhuanlan.zhihu.com/p/36584206
数学基础：概率论与数理统计https://zhuanlan.zhihu.com/p/36584335
机器学习的数学基础资料下载：
机器学习的数学基础.docx
中文版，对高等数学、线性代数、概率论与数理统计三门课的公式做了总结。
斯坦福大学机器学习的数学基础.pdf
原版英文材料，非常全面，建议英语好的同学直接学习这个材料。
下载链接: https://pan.baidu.com/s/1LaUlrJzy98CG1Wma9FgBtg 提取码: hktx
2. 统计学
入门教材：深入浅出统计学
进阶教材：商务与经济统计
推荐视频：可汗学院统计学
http://open.163.com/special/Khan/khstatistics.html
3. 编程
1) Python
Anaconda+Jupyter notebook+Pycharm
廖雪峰python学习笔记
https://blog.csdn.net/datawhale/article/category/7779959
python入门笔记
作者李金，这个是jupyter notebook文件，把python的主要语法演示了一次，值得推荐。下载链接:https://pan.baidu.com/s/1IPZI5rygbIh5R5OuTHajzA 提取码: 2bzh
代码规范：https://zhuanlan.zhihu.com/p/59763076
2) C++
4. 英语
5. 最优化方法
二、 数据分析/挖掘
1. 基础书籍
《利用python进行数据分析》
这本书含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy，Pandas、Matplotlib以及IPython等）高效地解决各式各样的数据分析问题。如果把代码都运行一次，基本上就能解决数据分析的大部分问题了。
2. 特征工程
https://blog.csdn.net/Datawhale/article/details/83033869
3. 数据挖掘项目
https://blog.csdn.net/datawhale/article/details/80847662
三、 机器学习
监督学习、无监督学习、半监督学习、弱监督学习、多示例学习、迁移学习、元学习、强化学习、对比学习、少样本学习、零样本学习
奥卡姆剃刀/丑小鸭定理/没有免费午餐
交叉验证
掌握机器学习的十大基础算法，即Linear Regression、Logistic Regression、LDA、LVQ、Naive Bayes、KNN、Random Forest、Decision Tree、SVM、Bagging&Boosting&AdaBoost及K-Means算法。梳理各种树模型（GBDT & XGBoost & RF）之间的原理和区别；
理解掌握常用的评价指标，如Accuracy、Recall（Sensitivity）、Precision、Dice（F1-score）、Jaccard、AUC曲线、P-R曲线、MIoU等。
学有余力的可以了解下期望最大化、隐马尔科夫模型及条件随机场等原理。
1. 吴恩达《Machine Learning》
课程主页：https://www.coursera.org/learn/machine-learning
中文视频：网易云课堂搬运了这门课，并由黄海广等人翻译了中文字幕。
中文笔记及作业代码：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
2. 周志华《机器学习》
读书笔记：https://www.cnblogs.com/limitlessun/p/8505647.html#_label0
公式推导：https://datawhalechina.github.io/pumpkin-book/#/
课后习题：https://zhuanlan.zhihu.com/c_1013850291887845376
3. 李航《统计学习方法》
讲课 PPT：https://github.com/fengdu78/lihang-code/tree/master/ppt
读书笔记：http://www.cnblogs.com/limitlessun/p/8611103.html
https://github.com/SmirkCao/Lihang
参考笔记：https://zhuanlan.zhihu.com/p/36378498
代码实现：https://github.com/fengdu78/lihang-code/tree/master/code
4. Kaggle 比赛
Kaggle 路线:https://github.com/apachecn/kaggle
天池
四、 深度学习
1. 吴恩达《Deep Learning》
网易云课堂：https://mooc.study.163.com/university/deeplearning_ai#/c
Coursera: https://www.coursera.org/specializations/deep-learning
之前编写过吴恩达老师机器学习个人笔记黄海广博士带领团队整理了中文笔记：https://github.com/fengdu78/deeplearning_ai_books
吴恩达老师在课程中提到了很多优秀论文，黄海广博士整理如下：https://github.com/fengdu78/deeplearning_ai_books/tree/master/%E5%8F%82%E8%80%83%E8%AE%BA%E6%96%87
吴恩达深度学习课程，包含课程的课件、课后作业和一些其他资料：https://github.com/stormstone/deeplearning.ai
2. CS230 Deep Learning
斯坦福的深度学习课程CS230在4月2日刚刚开课，对应的全套PPT也随之上线。从内容来看，今年的课程与去年的差别不大，涵盖了CNNs, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization 等深度学习的基本模型，涉及医疗、自动驾驶、手语识别、音乐生成和自然语言处理等领域。
秋季CS230视频列表：https://www.bilibili.com/video/av47055599
春季CS230课程大纲：http://cs230.stanford.edu/syllabus/
Cheetsheet（斯坦福助教给出）：https://stanford.edu/~shervine/teaching/cs-230.html
3. 《深度学习》
该书由众多网友众包翻译，电子版在以下地址获得：https://github.com/exacity/deeplearningbook-chinese
4. 《深度学习 500 问》
https://github.com/scutan90/DeepLearning-500-questions
五、 理论应用
1. 计算机视觉
1) 课程推荐
Stanford CS223B
比较适合基础，适合刚刚入门的同学，跟深度学习的结合相对来说会少一点，不会整门课讲深度学习，而是主要讲计算机视觉，方方面面都会讲到
李飞飞：CS231n课程：https://mp.weixin.qq.com/s/-NaDpXsxvu4DpXqVNXIAvQ
六、 图像处理
1. 机器学习的数学基础
线性与非线性变换
概率学基础
熵
kl散度
梯度下降法
2. 图像和视频
图像的取样与量化
噪声的来源和特点（高斯噪声 & 脉冲噪声[椒盐噪声 | 胡椒噪声 | 盐粒噪声] & 泊松噪声 & 斑点噪声）
滤波 线性和非线性滤波算法（均值滤波 & 中值滤波 & 维纳滤波 & 卡尔曼滤波 & 高通滤波 & 低通滤波 & 高斯滤波 & 双边滤波 & 拉普拉斯滤波 & 卷积核 & Gabor滤波器）
直方图
上采样
下采样
卷积
直方图均衡化算法
最近邻差值
单/双线性差值
图像格式（BMP & JPEG & GIF & PNG的定义和区别）、图像分辨率和通道数（8位单通道二值图像 & 24位RGB通道彩色图像 & 32位RGBA通道 & 以及各种通道之间的互相转换）
图像成像方式（伽马射线 & X射线等）
JPEG压缩算法的原理和步骤（涉及离散余弦变换 & 量化 & YCbCr色彩空间）
分水岭算法
SSIM（结构相似度）、PSNR（峰值信噪比）及MSE（均方误差）
3. 特征选择与特征提取
特征选择方法
filter等
特征提取方法：PCA、LDA、SVD等
4. 边缘提取
Canny
Roberts
Sobel
Prewitt
Hessian特征
Haar特征
二阶微分算子（Laplacian算子 & LOG算子）
5. 相机模型
小孔成像模型
相机模型
镜头畸变
透视变换
6. 聚类算法
kmeans
层次聚类
密度聚类
谱聚类
7. 坐标变换与视觉测量
左右手坐标系及转换
万向锁
旋转矩阵
四元数
傅里叶变换、离散余弦变换 霍夫变换 小波变换
8. 三维计算机视觉
立体视觉
多视几何
SIFT算法
9. 三维计算机视觉与点云模型
PCL点云模型
spin image
三维重构
SFM算法
10. 图像滤波器
直通滤波
体素滤波
双边滤波器
条件滤波
半径滤波
图像增加噪声与降噪
11. OpenCV算法解析
线性拟合
最小二乘法
RANSAC算法
哈希算法
DCT算法
汉明距离
图像相似度
OpenCV中文官方教程v4.1 http://woshicver.com
七、 其他
1. 深度学习应用
人脸识别
体态识别
图片合成
超分辨率
图神经网络
2. Python应用
Web开发
爬虫
运维工具
数据处理
3. 计算机图形学
4. 深入理解计算机系统
5. 其他
ai手册
linux
git
B站李沐
