最近转岗了人工智能方向，（等等，你不是 Crypto 选手吗？但是考虑到你看人家巴比特都 All in AI，顺带还把 Crypto 一顿踩，我这个也没什么丢人的吧哈哈哈。）考虑到应该有很多人需要吧，我记录一下自己的经验。
《算法导论》
可能很多人不知道，最新版的《算法导论》更新了一个 Selected Topic 章节，专门讲了机器学习！内容是最最基础的 聚类（Clustering） 和 梯度下降（Gradient descent） 哈哈。内容和 吴恩达的那个 差不太多。但我会认为《算法导论》编排的更好，因为后者有些过于 self-contained 了，前者会给我们更多的 cross link 和复杂度、误差的分析。。。
啊。。要是我早看了这个，之前 几次 百度之星决赛 的时候是不是就可以都 auto-win 了（某平行世界线）
所以其实 ML 的基础知识真的越来越重要的，面试无关岗位的时候说不定还会冷不防问你一下= =。。。而且，其实更早的时候，IPSC 里就考过一次 ML 的算法（16 年 L 题），还是最简单的 MNIST 那个东西。。。你看，你只要掌握了基本的 ML 知识，你就能领先我们一大堆选手了！
《21 个项目玩转 TensorFlow》
求不取笑 > <。。。但是我确实是用这本书入门的。
总之这本书是把很多有趣的 ML 例子塞在了一起，搭配以 TensorFlow 的实战代码，但是这年头谁还用 TensorFlow 啊？但是我确实在当年读了一些内部的 TensorFlow 的教程囧，组内还有一个 sjtu 的 TensorFlow 高手，还有 TensorFlow 的出差组偶尔跑来给我们内部推销，GDC 的时候也推销。。。所以我一直都以为 TensorFlow 才是好的囧。就像我一直以为 Angular 是好的一样、、> <
Pytorch 深度学习实战
这个是最近在读的，Pytorch 果然容易上手调试简单，搭配上官方教程，总算能入门啦！
Foundations of Data Science
- https://www.amazon.com/Foundations-Data-Science-Avrim-Blum/dp/1108485065
- https://t.me/algorithm_daily_of_minako/15330
最近在读的另一本书。。作者之一居然还是 John Hopcroft！！。。。
。哇。。发现这不就是新时代的《算法导论》吗。。。
Information Theory: From Coding to Learning
从信息论的角度理解编码和机器学习。。。这书还没印刷，目前还是 draft 阶段。。。
虽然我看不懂，但是感觉非常重要！
