大模型与机器学习学习路线及核心书籍推荐
路线图制定原则：少即是多
最大化节约你的时间和精力，优先向重点发力，捡西瓜而不是捡芝麻。路线图分为三个阶段：零基础入门、基础进阶、工作应用。
在入门阶段，你需要的不是大量资料的罗列，而是一个简单可行的引导——只学重点，建立信心。一旦真正入门，消除了迷茫，这时再向你推荐全面和深入的内容，才有帮助；达到工作水平后，你自己就会知道怎样学了，同时也已融入这个圈子。
第一阶段：零基础入门（3-6 个月）
新手应首先通过少而精的学习，看到全景图，建立大局观，通过完成小实验，建立信心，才能避免从入门到放弃的尴尬。因此，第一阶段只推荐 4 本最必要的书，入门以后，在后续学习中再哪里不会补哪里即可。
1. 理论基础与 Python 基础
《机器学习算法的数学解析与 Python 实现》
- 作者： 莫凡
- 特点： 看得懂、学得会、不枯燥的机器学习入门书。用白话帮你从生活案例中理解算法，发现算法的乐趣，再把算法应用到机器学习中，让你零基础掌握算法精髓，快速进入 AI 开发领域。
- 说明： 这本书堪称小白福音！作者用视频弹幕般的解说风格，带你零基础入门。你要的机器学习全景图，也就在这本书里。学习理论基础的同时，通过实践带给自己正反馈，才能持续的学下去。
《Python 程序设计：人工智能案例实践》
- 作者： 保罗·戴特尔
- 特点： 极简入门 Python 和 AI，读这一本就够了！538 个实例帮你掌握交互式 IPython 解释器和 Jupyter Notebook 并应用 Python 实践人工智能项目。
- 说明： 人工智能入门用 Python 你肯定知道，这是结合 AI 实例入门 Python 非常好的一本。即使你将来成为机器学习工程师后，也能把这本书放在手边备查。
2. 机器学习实战
掌握了基本的 Python 语法后，就可以实践机器学习了，推荐 2 本四大名著足矣。
《机器学习实战》
- 作者： 奥雷利安·杰龙
- 特点： 美亚人工智能畅销榜首图书，基于 TensorFlow2 全面升级，内容增加近一倍！Keras 之父鼎力推荐，从实践出发，手把手教你从零开始搭建起一个神经网络。
《Python 机器学习》
- 作者： 塞巴斯蒂安·拉施卡
- 特点： 深度学习四大名著之一、美亚畅销书全新升级，ACM 计算评论年度最佳奖图书，Python 机器学习入门教程。
上述 4 本书在手，你的零基础入门之路可以说是无死角了，你只需要踏下心来，按书中的内容按部就班动手做，切记，一定要动手实践！
第二阶段：基础进阶（3-6 个月）
熟读《机器学习算法的数学解析与 Python 实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。
1. 数学与算法深化
这一阶段，还可以继续实践 2 本四大名著。在遇到一些新概念时，需要提升数学基础，此时推荐阅读以下两本书来集中理解机器学习中的数学和算法。
《机器学习算法》
- 作者： 安柯·莫特拉
- 特点： 麻省理工学院机器学习算法课程教材，介绍可解释的机器学习，探索理论计算机科学和机器学习这两个领域能够互相借鉴的知识。
《机器学习中的概率统计》
- 作者： 张雨萌
- 特点： GitChat 畅销专栏全面升级！系统讲解机器学习中的概率统计核心知识和计算技巧，利用 Python 工具和典型案例，帮你高效构建机器学习概率统计理论与实践体系。
