博客

学习路线

这里收集了一些大佬/大佬总结的学习路线：

1. 专栏

• 
  算法工程师offer
  
• 
  算法工程师
  
• 
  「美团」算法工程师带你入门机器学习（部分付费）
  
• 
  算法工程师面经
  

2. 收藏夹

• 
  我关注的收藏夹
  

3. 博客

• 
  BAT算法工程师的成长之路，超详细的学习路线
  
• 
  【总结】2020年最新算法工程师技术路线图
  
  
  （重要）
  
• 
  算法工程师学习之路
  

我的进度

1. 计算机基础知识

我的理解大概是计算机专业的经典考研课程：

• 计算机组成原理
• 计算机操作系统
• 
  计算机网络
  
  （学校课程——计算机通信网）

即经典3的三门课——

计组计操计网

（

币站

）

这里找了一个叫做

计算机科学速成课

的课程，讲得比较广泛不够深入，感觉作为了解已经够了

2. 编程语言

从我的观点来看，只有python是不够的，结合大佬的分析，共需要：

• 
  python
  
  ，不多说，机器学习深度学习必备（
  
  慕课
  
  ）
• C++，据说是为了算法落地（
  
  币站
  
  ）
• Java，个人认为Java需求量巨大，是找不到算法工作的备用选择，即后端（待找）

此外，个人还因为其他原因学习/使用过：

• 
  C
  
  ，第一门编程语言（学校课程）
• 
  MATLAB
  
  ，第一门脚本语言（学校课程）
• 
  前端
  
  ，即HTML/CSS/JavaScript（自学，看书+百度）

以及认为还需要学习的内容：

• 
  数据库MySQL
  
  （
  
  币站
  
  ）
• 
  Docker
  
  （
  
  币站
  
  ）
• Linux，一直都是浅尝辄止，结合《鸟哥的Linux私房菜》使用（
  
  币站
  
  ）

3. 数据结构与算法

• 
  C#版
  
  （学校课程，但相当于没学，不推荐）
• 
  python版
  
  （
  
  慕课
  
  ）
• 
  C++版
  
  （
  
  慕课
  
  ，但是打算学完语言直接力扣，不单独学习）

4. 数学基础

• 
  
  高数线代概率论
  
  
  ，能考上研应该不用单独补数学了

5. 机器学习

这里特指传统的机器学习，例如SVM、KNN等

• 不含有代码，纯数学（
  
  慕课
  
  ）
• 
  python版
  
  （
  
  慕课
  
  ）

6. 深度学习

• 
  李宏毅机器学习
  
  （
  
  币站
  
  ）

李宏毅的课程虽然叫机器学习，但包含了很多深度学习的内容，看了一遍还想看，很多人也会推荐很多资料，但我个人感觉只要把一个内容真正学懂了，收获就是巨大的，

李宏毅yyds

• 
  深度学习框架pytorch
  
  （官方文档或
  
  币站
  
  ）

7. 论文科研

这部分就是家常便饭了，是一个

厚积薄发

的过程

8. 比赛

• 天池，Kaggle

9. CV/NLP/推荐等

这里就已经到了一定的高度了，比如CV补充一些DIP知识，NLP补充LSP，不太可能全部学习到，只能

结合具体的岗位

来学习

应聘相关

可以把每次面试都录音，

哪里不会补哪里