BAT演算法工程師的成長之路，超詳細的學習路線
點贊再看，養成習慣，微信公眾號搜尋【JackCui-AI】關注這個愛發技術乾貨的程式設計師。本文 GitHubhttps://github.com/Jack-Cherish/PythonPark已收錄，有一線大廠面試完整考點、資料以及我的系列文章。
一、前言
各位十一過得如何？
假期，我回了趟老家，文章停更了幾天。
寫文章以來，被問到最多的問題就是「演算法的學習路線」。
今天，它來了。
我會帶著大家看看，我們需要學些啥，利用這個假期，我甚至還收集整理了配套視訊和資料，暖男石錘啊，這期文章有用的話，別忘三連哦！
二、學習路線
主要分為 4 個部分：數學基礎、程式設計能力、演算法基礎、實戰。
1、數學基礎
在機器學習演算法中，涉及到最為重要的數學基本知識有兩個：線性代數和概率論。
這兩也是大學的必修課了，如果知識早已還給老師，也沒關係，哪裡不會學補哪裡。
線性代數研究的是線性空間的性質，資料通常會被表示為歐式空間中的點，而這些點經過一系列變換後會對映到另一個空間，在新的空間中隱藏在資料中的規律才得以顯現。
所以線性代數作為研究空間的一門科學，是入門機器學習的最要基礎之一。
視訊：推薦 MIT 的老教授 Gilbert Strang 的線性代數上課視訊。
沒學過線代的同學會發現這門課程，講得清晰而且直觀，深入線代的精髓，完全不是那種理論堆砌的講法，而且老教授幽默風趣，很有人格魅力。
英文不好，也不用擔心，字幕是中文的
教材：推薦《線性代數及其應用》，作者是 David C. Lay 。
喜歡看書的朋友，這本書一定不能錯過。
這本書詳細地介紹了線性代數在幾何學、計算機圖形學、經濟學、概率論、訊號與系統、微分方程等領域的應用，給人以直觀的認識。
概率論是研究不確定性的一門科學，生活處處是概率。機器學習演算法需要對現實情況建模，自然是少不了將概率論作為工具。
這門課入門並不難，大家可以挑一本評分還可以的書開始學習。
這裡推薦陳希儒的《概率論與數理統計》，講得很詳細，如同聽一個老者回憶自己的概率與統計心得，相信讀者也會有所收穫。
如果時間充裕，推薦先學好數學基礎。如果時間不夠，那就跳過數學基礎部分，學演算法的時候，哪裡不會補哪裡。
2、程式設計能力
程式語言，需要至少掌握兩門， Python 和 C++。
工作中，Python 主要用於處理資料、演算法調研、模型訓練的工作，而 C++ 則是負責工程落地。
演算法工程師，需要針對落地場景，對演算法的可靠性和實時性等方面進行優化，C++ 工程能力必不可少。
Python是一門非常友好的程式語言，不但易於入門而且功能強大，在進行機器學習演算法開發的過程中會大量使用 Python。
視訊：我上學看的第一個視訊，就是小甲魚 Python 課程，風趣幽默，涉及Python 語法基礎、網路爬蟲、Pygame 飛機大戰等內容，內容很豐富。
實戰是最好的老師，學習 Python 的時候，可以找一個自己喜歡的方向，去實戰。
邊實戰，邊學習。比如寫爬蟲、做小遊戲、玩各種有趣的演算法等。
這裡面，爬蟲是最簡單的，很容易有成就感，讓你堅持學習下去，下載小說、下載漫畫、下載音樂、下載電影、搶票等等小程式。
這個推薦我的一個 Github star 量 11.4k+、fork 4.5k+的爬蟲專案。
每個實戰，都有對應的文章教程，程式碼開源。
專案地址：https://github.com/Jack-Cherish/python-spider
教材：推薦《流暢的Python》，書看完有些難度，但是哪來當個手冊用，很方便，哪些語法忘記了，翻閱一番，必能有所收穫。
C++是一種面向物件的程式設計語言，無論你是做演算法，還是做開發，亦或者是做測開。C++ 都應該掌握，它是一個基礎的程式語言。學會了這門程式語言，再學其它，就會更得心應手。
視訊：這部分推薦慕課網的免費教程，很好的入門視訊，老師講得繪聲繪色、形象生動、通熟易懂。
一共分為 7 章，每章視訊的時間是 2-3 個小時，半個月可以輕鬆刷完，學習順序是：
- C++遠征之起航篇
- C++遠征之離港篇
- C++遠征之封裝篇（上）
- C++遠征之封裝篇（下）
- C++遠征之繼承篇
- C++遠征之多型篇
- C++遠征之模板篇
教材：推薦被譽為“聖經”的《C++ Primer》，經典鉅著，非常棒的書。
程式語言基礎學完了，接下來就是資料結構與演算法。
資料結構與演算法是程式設計師的內功，每一個工程師的必修課。
資料結構的學法，我推薦是直接看書，一邊學習一邊刷題，同時進行，這樣學的速度快。
就如同書名一樣，這是一本像小說一樣有趣的演算法入門書，非常易懂，強烈推薦。
可以與這本書一同學習的，就是《劍指Offer》，裡面講解了 66 道+ 常見資料結構題，解析思路，簡單易懂。
兩門書一起看，輕鬆入門資料結構與演算法。
不過《劍指Offer》講解的程式碼都是 C/C++，沒有 Python 版本，想看 Python 版本的，可以看我整理的教程，C++ 和 Python 都有實現和講解，題目已按照型別劃分好。
專案地址：https://github.com/Jack-Cherish/LeetCode
兩本書都看完，題也刷完了，那就算是入門了。
想進階，進一步學習，直接上 LeetCode。
力扣可以從 HOT 100 或 精選演算法 200 題刷起，題目相對於《劍指Offer》要增加一些難度，但每道題目都有對應的解題思路和答案。
堅持刷完 200 道，大多的面試輕鬆搞定，完全夠用。
當然要面試谷歌級別的大佬，Hard 題是不能放過的。
Tip：刷一遍題，回頭看還會忘，不要懷疑自己，要反覆刷，反覆練習。
3、演算法基礎
恭喜大家，在做了前面這麼多基礎工作之後，終於可以開始入門機器學習演算法了。
機器學習：
視訊：推薦吳恩達老師的機器學習視訊，吳恩達是整個領域的巨頭之一，學術地位很高。同時，他出的視訊也對新手非常友好，入門的不二之選。
教材：還是那句話，光看不練是不行的。《機器學習實戰》，理論結合實戰，適合新手。
《機器學習實戰》使用 Python2 實現，有些細節講的不夠細緻，對此我進行了完善，使用 Python3 復現了一遍，並結合 sklearn 以及更多的好玩例子，進行講解。
全網閱讀量 500w+：
對應的 Github 開原始碼 Star 3.3k+，fork 3.1k+。
線上閱讀地址：
https://cuijiahua.com/blog/ml/
我也將這個系列打包成了本地 pdf，喜歡離線看，也可以直接下載。
深度學習：
深度學習是現在的演算法工程師繞不開的一個子領域，是機器學習的子集。
視訊：還是推薦吳恩達老師的深度學習視訊，也是對新手非常友好。
教材：說實話，深度學習，我並沒有看過書，都是視訊+ Github 開源專案學習的，不過被譽為深度學習領域聖經的“花書”，可以備一本。
深度學習框架：
深度學習框架有很多，Tensorflow、Pytorch、Paddle、MXNet、Caffe等。
我在工作過程中，用的最多的是 Pytorch，其次是 Tensorflow。
新手上手，推薦先學 Pytorch，可以直接看 Yunjey Choi 大佬的 Github 教程，簡單入門：
專案地址：
https://github.com/yunjey/pytorch-tutorial
Pytorch 深度學習框架學習，也可以看我寫的 Pytorch 深度學習實戰系列教程，有垃圾分類、影象分割等結合實戰的小專案。
Github 開原始碼 Star 400+，fork 250+。
專案地址：
https://github.com/Jack-Cherish/Deep-Learning
我也將這個系列打包成了本地 pdf，喜歡離線看，也可以直接下載。
4、實戰
實戰實戰，文章反覆提到了這麼多次，僅僅這些還是遠遠不夠的。
因為更多時候，你是跟著視訊 or 文章的思路去實戰，這缺少了獨立思考的過程。
學了這麼多，你並沒有獨立完成過一個專案，資料怎麼處理，怎麼分析問題，用什麼演算法解決問題，也沒有獨立思考過。
演算法工程師的崗位競爭也比較激烈的，為了在茫茫人海中脫穎而出，我們需要以團隊或個人的形式，獨立完成一些專案，只有這樣，你才能更具競爭力。
對於學生黨，做專案，最簡單直接的方法就是參加競賽。
推薦兩個參加競賽的地方，一個是國外的Kaggle，另一個是國內的阿里雲天池。
兩個競賽的獎金也都很豐富，根據自己的喜好，參賽即可。
Kaggle：https://www.kaggle.com/
阿里天池：https://tianchi.aliyun.com/competition/gameList/activeList
既能打比賽，又能贏獎金，何樂而不為呢？
三、資料打包
本文提到的資料，我都打包了，可以直接全部打包帶走。
這裡都是我精心準備點的資料，但是都是外鏈，CSDN官方提醒這種分享方式也不太合適。
所以大家，需要的話，可以在公眾號後臺回覆【演算法學習路線】獲取下載地址。
PS：有能力支援正版的，資料覺得不錯，可以去購買支援一波正版。
四、絮叨
這篇文章整理的也是我的學習路線。
要說需要學多久，那就看個人的學習動力了。
如果你想去一家不錯的公司，但是目前硬實力不過關，我覺得還是有必要去努力一下的，技術能力的高低決定你能走多遠，平臺的高低，決定你能飛多高。
如果可以通過自己的努力，進入自己心儀的公司，一定不要鬆懈怠慢，職場成長和學習新技術一樣，不進則退。
你往往會發現，身邊實力越強的人越努力，最高階的自律就是享受孤獨。
創作不易，本期硬核，各位的三連就是 Jack Cui 創作的最大動力，我們下次見！
文章持續更新，可以微信公眾號搜尋【JackCui-AI】第一時間閱讀，本文 GitHubhttps://github.com/Jack-Cherish/PythonPark已經收錄，有大廠面試完整考點，歡迎Star。