BAT演算法工程師的成長之路，超詳細的學習路線

點贊再看，養成習慣，微信公眾號搜索【JackCui-AI】關注這個愛發技術干貨的程式員，本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收錄，有一線大廠面試完整考點、資料以及我的系列文章，

一、前言

各位十一過得如何？

假期，我回了趟老家，文章停更了幾天，

寫文章以來，被問到最多的問題就是「演算法的學習路線」，

今天，它來了，

我會帶著大家看看，我們需要學些啥，利用這個假期，我甚至還收集整理了配套視頻和資料，暖男石錘啊，這期文章有用的話，別忘三連哦！

二、學習路線

主要分為 4 個部分：數學基礎、編程能力、演算法基礎、實戰，

1、數學基礎

在機器學習演算法中，涉及到最為重要的數學基本知識有兩個：線性代數和概率論，

這兩也是大學的必修課了，如果知識早已還給老師，也沒關系，哪里不會學補哪里，

線性代數研究的是線性空間的性質，資料通常會被表示為歐式空間中的點，而這些點經過一系列變換后會映射到另一個空間，在新的空間中隱藏在資料中的規律才得以顯現，

所以線性代數作為研究空間的一門科學，是入門機器學習的最要基礎之一，

視頻：推薦 MIT 的老教授 Gilbert Strang 的線性代數上課視頻，

沒學過線代的同學會發現這門課程，講得清晰而且直觀，深入線代的精髓，完全不是那種理論堆砌的講法，而且老教授幽默風趣，很有人格魅力，

英文不好，也不用擔心，字幕是中文的，

教材：推薦《線性代數及其應用》，作者是 David C. Lay ，

喜歡看書的朋友，這本書一定不能錯過，

這本書詳細地介紹了線性代數在幾何學、計算機圖形學、經濟學、概率論、信號與系統、微分方程等領域的應用，給人以直觀的認識，

概率論是研究不確定性的一門科學，生活處處是概率，機器學習演算法需要對現實情況建模，自然是少不了將概率論作為工具，

這門課入門并不難，大家可以挑一本評分還可以的書開始學習，

這里推薦陳希儒的《概率論與數理統計》，講得很詳細，如同聽一個老者回憶自己的概率與統計心得，相信讀者也會有所識訓，

如果時間充裕，推薦先學好數學基礎，如果時間不夠，那就跳過數學基礎部分，學演算法的時候，哪里不會補哪里，

2、編程能力

編程語言，需要至少掌握兩門， Python 和 C++，

作業中，Python 主要用于處理資料、演算法調研、模型訓練的作業，而 C++ 則是負責工程落地，

演算法工程師，需要針對落地場景，對演算法的可靠性和實時性等方面進行優化，C++ 工程能力必不可少，

Python 是一門非常友好的編程語言，不但易于入門而且功能強大，在進行機器學習演算法開發的程序中會大量使用 Python，

視頻：我上學看的第一個視頻，就是小甲魚 Python 課程，風趣幽默，涉及Python 語法基礎、網路爬蟲、Pygame 飛機大戰等內容，內容很豐富，

實戰是最好的老師，學習 Python 的時候，可以找一個自己喜歡的方向，去實戰，

邊實戰，邊學習，比如寫爬蟲、做小游戲、玩各種有趣的演算法等，

這里面，爬蟲是最簡單的，很容易有成就感，讓你堅持學習下去，下載小說、下載漫畫、下載音樂、下載電影、搶票等等小程式，

這個推薦我的一個 Github star 量 11.4k+、fork 4.5k+的爬蟲專案，

每個實戰，都有對應的文章教程，代碼開源，

專案地址：https://github.com/Jack-Cherish/python-spider

教材：推薦《流暢的Python》，書看完有些難度，但是哪來當個手冊用，很方便，哪些語法忘記了，翻閱一番，必能有所識訓，

C++ 是一種面向物件的程式設計語言，無論你是做演算法，還是做開發，亦或者是做測開，C++ 都應該掌握，它是一個基礎的編程語言，學會了這門編程語言，再學其它，就會更得心應手，

視頻：這部分推薦慕課網的免費教程，很好的入門視頻，老師講得繪聲繪色、形象生動、通熟易懂，

一共分為 7 章，每章視頻的時間是 2-3 個小時，半個月可以輕松刷完，學習順序是：

• C++遠征之起航篇
• C++遠征之離港篇
• C++遠征之封裝篇（上）
• C++遠征之封裝篇（下）
• C++遠征之繼承篇
• C++遠征之多型篇
• C++遠征之模板篇

教材：推薦被譽為“圣經”的《C++ Primer》，經典巨著，非常棒的書，

編程語言基礎學完了，接下來就是資料結構與演算法，

資料結構與演算法是程式員的內功，每一個工程師的必修課，

資料結構的學法，我推薦是直接看書，一邊學習一邊刷題，同時進行，這樣學的速度快，

就如同書名一樣，這是一本像小說一樣有趣的演算法入門書，非常易懂，強烈推薦，

可以與這本書一同學習的，就是《劍指Offer》，里面講解了 66 道+ 常見資料結構題，決議思路，簡單易懂，

兩門書一起看，輕松入門資料結構與演算法，

不過《劍指Offer》講解的代碼都是 C/C++，沒有 Python 版本，想看 Python 版本的，可以看我整理的教程，C++ 和 Python 都有實作和講解，題目已按照型別劃分好，

專案地址：https://github.com/Jack-Cherish/LeetCode

兩本書都看完，題也刷完了，那就算是入門了，

想進階，進一步學習，直接上 LeetCode，

力扣可以從 HOT 100 或 精選演算法 200 題刷起，題目相對于《劍指Offer》要增加一些難度，但每道題目都有對應的解題思路和答案，

堅持刷完 200 道，大多的面試輕松搞定，完全夠用，

當然要面試谷歌級別的大佬，Hard 題是不能放過的，

刷題地址：https://leetcode-cn.com/

Tip：刷一遍題，回頭看還會忘，不要懷疑自己，要反復刷，反復練習，

3、演算法基礎

恭喜大家，在做了前面這么多基礎作業之后，終于可以開始入門機器學習演算法了，

機器學習：

視頻：推薦吳恩達老師的機器學習視頻，吳恩達是整個領域的巨頭之一，學術地位很高，同時，他出的視頻也對新手非常友好，入門的不二之選，

教材：還是那句話，光看不練是不行的，《機器學習實戰》，理論結合實戰，適合新手，

《機器學習實戰》使用 Python2 實作，有些細節講的不夠細致，對此我進行了完善，使用 Python3 復現了一遍，并結合 sklearn 以及更多的好玩例子，進行講解，

全網閱讀量 500w+：

對應的 Github 開源代碼 Star 3.3k+，fork 3.1k+，

在線閱讀地址：

https://cuijiahua.com/blog/ml/

我也將這個系列打包成了本地 pdf，喜歡離線看，也可以直接下載，

深度學習：

深度學習是現在的演算法工程師繞不開的一個子領域，是機器學習的子集，

視頻：還是推薦吳恩達老師的深度學習視頻，也是對新手非常友好，

教材：說實話，深度學習，我并沒有看過書，都是視頻+ Github 開源專案學習的，不過被譽為深度學習領域圣經的“花書”，可以備一本，

深度學習框架：

深度學習框架有很多，Tensorflow、Pytorch、Paddle、MXNet、Caffe等，

我在作業程序中，用的最多的是 Pytorch，其次是 Tensorflow，

新手上手，推薦先學 Pytorch，可以直接看 Yunjey Choi 大佬的 Github 教程，簡單入門：

專案地址：

https://github.com/yunjey/pytorch-tutorial

Pytorch 深度學習框架學習，也可以看我寫的 Pytorch 深度學習實戰系列教程，有垃圾分類、影像分割等結合實戰的小專案，

Github 開源代碼 Star 400+，fork 250+，

專案地址：

https://github.com/Jack-Cherish/Deep-Learning

我也將這個系列打包成了本地 pdf，喜歡離線看，也可以直接下載，

4、實戰

實戰實戰，文章反復提到了這么多次，僅僅這些還是遠遠不夠的，

因為更多時候，你是跟著視頻 or 文章的思路去實戰，這缺少了獨立思考的程序，

學了這么多，你并沒有獨立完成過一個專案，資料怎么處理，怎么分析問題，用什么演算法解決問題，也沒有獨立思考過，

演算法工程師的崗位競爭也比較激烈的，為了在茫茫人海中脫穎而出，我們需要以團隊或個人的形式，獨立完成一些專案，只有這樣，你才能更具競爭力，

對于學生黨，做專案，最簡單直接的方法就是參加競賽，

推薦兩個參加競賽的地方，一個是國外的 Kaggle，另一個是國內的阿里云天池，

兩個競賽的獎金也都很豐富，根據自己的喜好，參賽即可，

Kaggle：https://www.kaggle.com/

阿里天池：https://tianchi.aliyun.com/competition/gameList/activeList

既能打比賽，又能贏獎金，何樂而不為呢？

三、資料打包

本文提到的資料，我都打包了，可以直接全部打包帶走，

這里都是我精心準備點的資料，但是都是外鏈，CSDN官方提醒這種分享方式也不太合適，

所以大家，需要的話，可以在公眾號后臺回復【演算法學習路線】獲取下載地址，

PS：有能力支持正版的，資料覺得不錯，可以去購買支持一波正版，

四、絮叨

這篇文章整理的也是我的學習路線，

要說需要學多久，那就看個人的學習動力了，

如果你想去一家不錯的公司，但是目前硬實力不過關，我覺得還是有必要去努力一下的，技術能力的高低決定你能走多遠，平臺的高低，決定你能飛多高，

如果可以通過自己的努力，進入自己心儀的公司，一定不要松懈怠慢，職場成長和學習新技術一樣，不進則退，

你往往會發現，身邊實力越強的人越努力，最高級的自律就是享受孤獨，

創作不易，本期硬核，各位的三連就是 Jack Cui 創作的最大動力，我們下次見！

文章持續更新，可以微信公眾號搜索【JackCui-AI】第一時間閱讀，本文 GitHub https://github.com/Jack-Cherish/PythonPark 已經收錄，有大廠面試完整考點，歡迎Star，