从数学到深度学习的学习资料及教程合集_深度学习的数学 网盘

诸神缄默不语-个人CSDN博文目录

目前主要收集免费内容，最多需要买本纸质书。
付费的如果有免费版本我也会收录。←2023.8.19：CSDN禁止分享了，有需私戳吧
链接如失效请联系我。

这个笔记主要是为我自己准备的，算是一个可公开的to do list（其实做不完的我也知道），所以不列举任何我写过完整笔记的资料。

1. 数学

1. 《计算机科学中的数学》
2. Tom Leighton’s MIT 6.042J
3. 北大民间数学学院学习指南：Math for Happiness

1. 微积分/高等数学

1. 普林斯顿微积分读本
   辅助学习资料：《图解普林斯顿微积分读本》系列合集
2. 同济大学数学系. 高等数学（第7版）[M]. 北京: 高等教育出版社, 2014.
3. 李忠，周建莹. 高等数学（第2版）[M]. 北京: 北京大学出版社, 2009.
4. Joel Hass et al.Thomas’ Calculus: Early Transcendentals (Fourteenth Edition)[M]. Pearson, 2018.
5. Ron Larson, and Bruce Edwards. Calculus (Eleventh Edition) [M]. Cengage Learning, 2018.

2. 数学分析

1. 华东师范大学数学科学学院. 数学分析（第5版）[M]. 北京: 高等教育出版社, 2019.
2. 常庚哲, 史济怀. 数学分析教程（第3版）[M]. 合肥: 中国科学技术大学出版社, 2012.
3. Walter Rudin. Principles of Mathematical Analysis (Third Edition) [M]. McGraw-Hill Education, 1976.
4. Vladimir A. Zoric. Mathematical Analysis (Second Edition) [M]. Springer, 2016.
5. Elias M. Stein, and Rami Shakarchi. Real Analysis: Measure Theory, Integration, and Hilbert Spaces [M]. Princeton University Press,2004.
6. Elias M. Stein, and Rami Shakarchi. Complex Analysis [M]. Princeton University Press,2005.
7. Elias M. Stein, and Rami Shakarchi. Fourier Analysis: An Introduction [M]. Princeton University Press,2003.
8. Elias M. Stein, and Rami Shakarchi. Functional Analysis: Introduction to Further Topics in Analysis[M]. Princeton University Press, 2011.

3. 线性代数

1. Linear Algebra Done Right
2. 丘维声. 简明线性代数[M]. 北京: 北京大学出版社, 2002.
3. 居于马. 线性代数（第2版）[M]. 北京: 清华大学出版社, 2002.
4. 李尚志. 线性代数[M]. 北京: 高等教育出版社, 2002.：难度较大，适合提高
5. 李炯生. 线性代数（第2版）[M]. 合肥: 中国科学技术大学出版社, 2010.：亚洲第一难
6. 龚昇. 线性代数（第2版）[M]. 合肥: 中国科学技术大学出版社, 2005.：适合提高
7. 任广千, 谢聪, 胡翠芳. 线性代数的几何意义[M]. 西安: 西安电子科技大学出版社, 2015.
8. Kuldeep Singh. Linear Algebra: Step by Step [M]. Oxford University Press,2014.
9. Gilbert Strang. Introduction to Linear Algebra (Fifth Edition) [M]. Wellesley-Cambridge Press, 2016.
10. David C. Lay et al. Linear Algebra and Its Application (Fifth Edition) [M]. Pearson, 2016.
11. Sheldon Axler. Linear Algebra Done Right (Third Edition) [M]. Springer, 2015.
12. Gerald Farin, and Dianne Hansford. Practical Linear Algebra: A Geometry Toobox (Third Edition) [M]. CRC Press, 2013.
13. Gilbert Strang. Linear Algebra and Learning from Data [M]. Wellesley-Cambridge Press, 2019.：介绍线性代数及其在数据挖掘方面应用

4. 矩阵论

1. 徐仲. 矩阵论简明教程（第3版）[M]. 北京: 科学出版社, 2014.
2. 张贤达. 矩阵分析与应用（第2版）[M]. 北京: 清华大学出版社, 2013.
3. Gene H. Golub, and Charles F. Van Loan. Matrix Computation (Fourth Edition) [M]. The Johns Hopkins University Press, 2013.
4. Roger A. Horn, and Charles R. Johnson. Matrix Analysis (Second Edition) [M]. Cambridge University Press, 2013.

5. 统计学、概率论与测度论

1. 《赤裸裸的统计学》
2. 《统计数字会撒谎》
3. 《深入浅出统计学》
4. 盛骤, 谢式千, 潘承毅. 概率论与数理统计（第4版）[M]. 北京: 高等教育出版社, 2008.
5. 陈希孺. 概率论与数理统计[M]. 合肥: 中国科学技术大学出版社, 2017.
6. Jay L. Devore. Probability and Statistics for Engineering and the Sciences (Ninth Edition) [M]. Cengage Learning, 2016.
7. Morris H. DeGroot, and Mark J. Schervish . Probability and Statistics (Forth Edition) [M]. Pearson, 2012.
8. 高惠璇. 应用多元统计分析[M]. 北京大学出版社, 2004.
9. 王静龙. 多元统计分析[M]. 科学出版社, 2008.
10. T. W. Anderson. An Introduction to Multivariate Statistical Analysis (Third Edition) [M]. John Wiley & Sons, 2003.
11. Richard A. Johnson, and Dean W. Wichern . Applied Multivariate Statistical Analysis (Sixth Edition) [M]. Pearson, 2007.
12. 程士宏. 测度论与概率论基础[M]. 北京: 北京大学出版社, 2004.
13. 严加安. 测度论讲义（第2版）[M]. 北京: 科学出版社, 2004.
14. Krishna B. Athreya, and Soumendra N. Lahiri. Measure Theory and Probability Theory (Third Edition) [M]. Springer, 2006.
15. Paul R. Halmos. Measure Theory [M]. Springer Science+ Business Media, 1974.
16. 胡迪鹤. 高等概率论及其应用[M]. 北京: 高等教育出版社, 2008.
17. 郑忠国. 高等统计学[M]. 北京: 北京大学出版社, 2012.
18. Craig A. Mertler, and Rachel Vannatta Reinhart. Advanced and Multivariate Statistical Methods: Practical Application and Interpretation (Sixth Edition) [M]. Routledge, 2017.
19. Eugene Demidenko. Advanced Statistics with Applications in R [M]. John Wiley & Sons, 2020.
20. 哪些统计学的书让你相见恨晚？ - 知乎
21. 谢启南,韩兆洲．统计学原理(第六版)．广东．暨南大学出版社．2006.09
22. 贾俊平，何晓群，金勇进．统计学．北京：中国人民大学出版社，2015

6. 随机过程与概率模型

1. 何书元. 随机过程[M]. 北京: 北京大学出版社, 2008.
2. 张波, 张景肖. 应用随机过程[M]. 北京: 清华大学出版社, 2004.
3. Sheldon M. Ross. Introduction to Probability Models (Twelfth Edition) [M]. Academic Press, 2019.
4. Robert G. Gallager. Stochastic Processes: Theory for Applications [M]. John Wiley & Sons, 2013.
5. David Forsyth. Probability and Statistics for Computer Science (Twelfth Edition) [M]. Springer, 2018.
6. Luc Devroye et al. A Probabilistic Theory of Pattern Recognition [M]. Springer, 1997.

7. 运筹学

1. 《运筹学》教材编写组. 运筹学（第4版）[M]. 北京: 清华大学出版社, 2013.
2. 胡运权, 郭耀煌. 运筹学教程（第5版）[M]. 北京: 清华大学出版社, 2018.
3. Frederick S. Hillier, and Gerald J. Lieberman. Introduction to Operation Research (Tenth Edition) [M]. McGraw-Hill Education, 2015.
4. Hamdy A. Taha. Operation Research：An Introduction (Tenth Edition) [M]. Pearson, 2017.

8. 优化理论

1. 陈宝林. 最优化理论与算法（第2版）[M]. 北京: 清华大学出版社, 2018.
2. 高立. 数值最优化方法[M]. 北京: 北京大学出版社, 2014.
3. Edwin K. P. Chong, and Stanislaw H. Zak. An Introduction to Optimization (Fourth Edition) [M]. John Wiley & Sons, 2013.
4. Jorge Nocedal, and Stephen J. Wright. Numerical Optimization (Second Edition) [M]. Springer, 2006.
5. Stephen Boyd, and Lieven Vandenberghe. Convex Optimization [M]. Cambridge University Press, 2004.
6. Yuni Nesterov. Lectures on Convex Optimization (Second Edition) [M]. Springer, 2018.

2. 机器学习与深度学习基础

1. 周志华《机器学习》
   datawhalechina/pumpkin-book: 《机器学习》（西瓜书）公式详解
2. CS229：机器学习
   斯坦福官网：CS229: Machine Learning
3. 百面机器学习
4. 百面深度学习
5. 《美团机器学习实践》
6. ‬⁣⁢​‍‬⁤​​⁤‌⁤​‬⁡⁢​⁢⁢⁡‍⁡​⁣‍‍⁤⁢⁡‌​​⁤⁤⁤​⁣⁡⁢​‌⁣Datawhale人工智能培养方案V2.0 - 飞书云文档
7. Anton Teaches Packy AI：讲师是前Meta研究员
8. 花书
   Deep Learning
9. 《动手学深度学习》 — 动手学深度学习 2.0.0 documentation
10. 李沐的深度学习课 - 知学堂
11. GitHub - boyu-ai/Hands-on-ML: https://hml.boyuai.com
12. 深度学习工程师微专业 - 一线人工智能大师吴恩达亲研-网易云课堂 - 网易云课堂
    fengdu78/deeplearning_ai_books: deeplearning.ai（吴恩达老师的深度学习课程笔记及资源）
    fengdu78/Coursera-ML-AndrewNg-Notes: 吴恩达老师的机器学习课程个人笔记
    原版（英文）：DeepLearning.AI: Start or Advance Your Career in AI
13. 2018年的CS230：http://cs230.stanford.edu/syllabus/（助教提供的cheatsheet：Teaching - CS 230）
14. CS229: Machine Learning
    如何正确学习CS 229？ - 知乎
15. Machine Learning Specialization [3 courses] (Stanford) | Coursera
16. 机器学习训练秘籍
    deeplearning-ai/machine-learning-yearning-cn: Machine Learning Yearning 中文版 - 《机器学习训练秘籍》 - Andrew Ng 著
17. 统计学习方法
    datawhalechina/statistical-learning-method-solutions-manual: 统计学习方法习题解答，在线阅读地址：https://datawhalechina.github.io/statistical-learning-method-solutions-manual
18. 【机器学习】【白板推导系列】【合集 1～33】_哔哩哔哩_bilibili
19. yechens/XiaoZhao-ChongChongChong: 机器学习算法，大厂面经，coding，算法比赛资源整合大礼包～助你校招乘风破浪！内容持续更新中，欢迎star
    声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/885432