JS書籍推薦：
js語言精粹, 你不懂js, 代碼整潔之道
學習建議：
1，夯實基礎知識
2，自學
3，好奇心
4，善於總結
5，看書+實操項目
機器學習：
機器學習相關的項目，需要包含：項目介紹，項目涉及的核心技術/算法介紹，你所完成的內容，最終得到了怎樣的結果（比如score）
「機器學習進階納米學位」的畢業項目中，我們提供多個Kaggle競賽的選題（剛剛發出來的是我們最近這一期剛剛更新的畢業項目選題），並且有kaggle master/grand master等具有多年經驗的高級工程師來幫助大家逐行審閱代碼，給出建模建議，以及社羣中的答疑服務，並且我們不僅僅滿足於大家僅實現模型，會通過指導給大家提出優化模型的建議，達到在Kaggle很高的排名和分數。對於每一個從機器學習進階畢業的學生來說，這都是簡歷上非常有亮點的經歷。
實戰項目的題目：
A. 計算機視覺方向：
1）貓狗大戰：使用深度學習方法識別圖片是貓還是狗。
2）算式識別（挑戰項目）：使用深度學習識別圖片中的四則運算表達式，實現 AI 自動解題。
B. 自然語言處理：
1）句子相似度匹配：使用自然語言處理技術判別兩個非常接近的句子是否相似，這是對NLP領域不同方面知識的綜合應用。
2）惡毒評論分類（挑戰項目）：使用自然語言處理技術對網絡惡毒垃圾評論進行檢測，應用深度學習技術進行分類。
C. 深度強化學習：
1）訓練四軸飛行器學會飛行：使用深度神經網絡，設計一個可以在模擬環境中進行決策的系統。把強化學習應用到電子遊戲和機器人開發等複雜的領域中。
D. 數據挖掘
1）舊金山罪案類型預測：用12年的數據建立預測模型, 根據罪案發生的GPS定位、警區、發生時間等信息，判斷罪案類型, 幫助警方在罪案發生時快速分配警力。
2）預測Rossmann未來的銷售額（挑戰項目）：根據Rossmann藥妝店的信息（如促銷、競爭對手、節假日）以及在過去的銷售情況，預測Rossmann未來的銷售額。
偏研究類的崗位，會對專業和學歷有要求，其它類型的話，更多會看你掌握的技能和你的項目經驗，在GitHub 越活躍，參與的開源項目越多，會很有幫助。
工作崗位和麪試
前端：
html css js,
React Vue Angular
AI:
數據結構和算法
Python， c/c++，Java
ML，DL
圖像和語言