关于入门基础的补充
数学
高等数学
线性代数
集合与图论
人工智能的数学基础
前置：最好先自学一点矩阵求导的内容
内容：上半学期概率论与数理统计，下半学期凸优化。内容来自以下教程，降低了难度，以数学推导为主。
教程：
-
《概率论与数理统计》陈希孺
-
《概率论与数理统计教程》茆诗松
-
《凸优化》Stephen Boyd
编程基础
编程语言
Python：《Python编程从入门到实践》
c++：《C++ Primer Plus》《Effective C++》
c：任何一本C语言程序设计教材
Java:
数据结构与算法
本课程涉及计算机内外存的数据组织，重点在内存数据组织，包括数组、顺序表、链表、栈和队列、递归、非递归、树与森林、图、堆与优先级队列、集合与搜索结构、排序、索引与散列结构等结构的有关性质及相关算法。
教程
-
《数据结构》殷人昆
-
《数据结构教程（C++语言描述）》李春葆
-
《算法导论》
计算机系统基础
本课程主要包括计算机数据的基本组织与表达形式、浮点数据如何在系统中表示、运算、汇编语言的基本语法及C语言程序如何与汇编语言互译、CPU的架构、时序电路、流水线的组织方式与特点、机器相关与机器无关的程序的优化方法、存储架构机制、Cache机制和虚拟存储机制。
教程
-
网课：CMU:csapp
-
《深入理解计算机系统基础》即《Computer Systems A Programming Perspective》Bryant
linux入门:MIT-Missing-Semester
人工智能的编程基础
讲授以PyTorch框架为核心的人工智能编程方法
内容：
-
机器学习基础（人工智能与Python编程，深度学习框架PyTorch编程，回归问题，分类问题）
-
深度学习基础（张量数据操作，自动微分机制，梯度计算方法，多层感知机，GPU加速计算）
-
深度学习算法（卷积神经网络，递归神经网络，自注意力神经网络）
PJ：
-
梯度下降与学习率
-
逻辑回归模型分类
-
基于神经网络分类算法，进行可视化分析
-
手写数字识别
前置要求：Python ，线性代数、微积分、概率论
教程：
-
《人工智能与Python程序设计》文继荣，中国人民大学出版社
-
《机器学习》周志华（西瓜书）
-
《深度学习》goodfellow（花书）
-
《机器学习》吴恩达
-
Google生成式AI入门学习路径
其它工具
大数据工具：spark
模型部署：ONNX,TensorRT,Docker
配置云服务器：阿里云