这篇文章主要总结一下自己所了解的算法工程师这个岗位对个人能力的一些基本要求和学习过程中接触到的一些不错的资料。希望这篇文章能帮到那些对算法工程师这个岗位感兴趣、却又找不到方向的同学。同时也希望自己推荐的资料能帮到那些想提升自身相关能力的同学。最后期待能与大家多多交流，三人行，必有我师。
一、算法基础建议认真学习了解下算法基础，九层之台，起于垒土，我们只需要专注的去做，一点儿一点儿积累。
1.1 学习路线 1.2 学习资料推荐| 资料 | 备注 |
|---|---|
| 《统计学习方法》，李航 | 小薄册子，非常精炼，但信息量很大，建议精读 |
| 《机器学习实战》，Peter Harrington | 书中所给的算法实现都是基于Python的，建议好好看下代码实现 |
| 《机器学习》（西瓜书） ，周志华 | 书不算厚，可结合其他推荐书籍一起精读 |
| 《神经⽹络与深度学习》，Michael Nielsen | 小薄册子，适合入门 |
| 《深度学习》，Goodfellow、Bengio | 书比较厚~，没系统看过，只当工具书翻阅过，不过多推荐~ |
| 斯坦福机器学习课程，吴恩达 | 对初学者（我）来说，课可能比较难懂，建议结合相关笔记学习，过程很痛苦，至于“后果”，只有自己知道～ |
| 斯坦福机器学习课程笔记，黄海广 | |
| 吴恩达深度学习系列课程 | 内容不算难，可参考相关笔记和代码实现来学习，建议动手实践，完成相关作业 |
| 吴恩达深度学习系列课程参考代码 | |
| 吴恩达深度学习系列课程笔记 | |
| 动手学深度学习，李沐 | 只读过部分章节，不过分推荐，口碑不错 |
| 李宏毅深度学习教程 | 不过分推荐，口碑不错 |
| 《深度学习推荐系统》，王喆 | 对于想做推荐算法的同学，可以认真读一下王喆老师的这本书，写得非常好~ |
| 推荐算法相关paper、技术分享 | 学无止境，多读文章，多听技术分享，跟紧业界大佬们的步伐，努力挣扎，不要掉队^_^~ |
进入公司后，面试过一些同学，发现很多同学的首选编程语言都是Python，Python语言有很多的优点，人生苦短，我用Python~，这是个不错的选择。但是通常来说仅掌握Python这一门语言是不够的。工作过程中大概率会涉及到多种编程语言，例如：Python、C++、Java、Shell、Go等。例如出于对种种问题的考虑，实际很多线上环境中的代码都是使用C++、Go或者Java等编程语言开发的，这给我们提出的最基本要求就是要能够看懂线上代码并做一些简单的开发。
2.1 Python 编程建议从[2]、[3]看起，最后再学习[1]，多多实践，在实战中学习，个人感觉这本书也不算薄了，初学者（说的就是我）看起来可能会有点儿吃力~。
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | 《流畅的Python》 | 个人感觉需要一定的基础 |
| 2 | 廖雪峰Python教程 | |
| 3 | 莫烦Python |
由于对Java编程的了解不是特别深入，不做过多推荐。大家也可结合自身情况（当前环境、未来规划等）做取舍。我的学习路线是[3]->[1]->[4]->弃疗
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | 《Java编程思想》 | |
| 2 | 廖雪峰Java教程 | |
| 3 | How2J | 部分教程需要付费，整体不错，适合快速入门 |
| 4 | 《深入理解Java虚拟机》 | 需要一定基础，比较难懂~ |
个人学习路线[4]->[3]->[1：部分章节]->[2]->弃疗
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | 《C++ Primer Plus》 | |
| 2 | 《Effective C++》 | |
| 3 | C语言中文网，C++教程 | 资料通俗易懂，适合基础不够扎实的同学（我），可以带领小白（也是我）快速入门，部分资料收费 |
| 4 | C语言中文网，C语言入门 | 同上↑ |
作为一名算（脚）法（本）工（输）程（出）师（机），Shell编程也必须适当了解一下。可以不啃大部头，但还是要尽可能看一些教程和书籍，少走弯路。实际工作过程中，碰到问题可以找搜索引擎帮忙，但所有的问题都交给搜索引擎，个人感觉效率也不是很高^_^，此外，不管是开发环境还是线上环境基本都是Linux系统，所以或多或少的还是要了解一下。
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | 《鸟哥的Linux私房菜》 | 工具书 |
| 2 | 《Linux Shell脚本攻略》 | 按需阅读 |
| 3 | 《Linux命令行与Shell脚本编程大全》 | |
| 4 | Bash Shell教程 | 相关教程很多，可自行搜索 |
实际业务场景基本上时时刻刻要与大数据打交道，通常来说岗位对算法工程师的要求是要按需掌握一定的大数据处理分析技术，比如Hadoop、Hive、Spark等，业务场景不同，需求不同，要求也不同。
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | 廖雪峰SQL教程 | 无论如何，建议首先认真学习下SQL~ |
| 2 | 《MySQL必知必会》 | 同上↑ |
| 3 | Hadoop HDFS 实践教程 | 建议了解下Hadoop的基本概念和常用命令 |
| 4 | Hadoop+MapReduce实践教程 | 建议了解下MapReduce任务的基本概念和工作原理 |
| 5 | 《Hadoop权威指南》 | 按需阅读即可 |
| 6 | 一文学完所有的Hive Sql（两万字最全详解） | 按需阅读即可 |
| 7 | 《Hive编程指南》 | 按需阅读即可 |
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | 《大话数据结构》 | 页数不多，看起来也很快，适合入门 |
| 2 | 《算法图解》 | 小薄册子，适合入门 |
| 3 | 《啊哈！算法》 | 小薄册子，适合入门 |
| 4 | 《剑指offer》 | 必读，题目不多，一定要理解 |
| 5 | 力扣-剑指Offer第二版 | 在线刷题，有丰富的题解 |
| 6 | 数据结构(C语言版) | 适合科班生 |
| 7 | 《算法导论》 | 适合神一样的存在 |
| 8 | LeetCode/力扣 | 话不多说，建议多刷题~ |
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | TIANCHI天池 | |
| 2 | kaggle |
其中sklearn、TensorFlow等工具，网上教程太多，建议从官方文档入手，先做个基本了解。既然是工具，要想熟练使用的最好的办法就是：实践！实践！实践！
| 序号 | 资料 | 备注 |
|---|---|---|
| 1 | git教程 | 必备技能点 |
| 2 | 莫烦Python-数据处理 | Numpy、Pandas、Matplotlib教程，适当了解下即可 |
| 5 | scikit-learn | |
| 6 | sklearn中文文档 | |
| 7 | TensorFlow | |
| 8 | Tableau教程 | 数据分析工具 |
----我是分割线----
----我是分割线----
----我是分割线----
这里整理了一份相关的学习资料(已分类&精简&全面)，持续更新，可关注公众号『非资深AI工程师』，回复“学习资料汇总”获取。
