來源：知乎
https://www.zhihu.com/question/396032753
本文來自知乎問答，僅供學習參考，著作權歸作者所有
如有侵權，請聯繫刪除
作者：篤定
深圳大學 計算機科學與技術碩士在讀
https://www.zhihu.com/question/396032753/answer/1241693021
我只能談談研究生的，可以參考NYU公開課DS-GA1003 Machine learning提供的Reference，裏面都是講義，簡潔明瞭。
DS-GA 1003 MACHINE LEARNINGdavidrosenberg.github.io[13]
作爲一名渣碩，我曾花了很多時間重新學習線代，我自己的體會是，不要陷入打好數學基礎的怪圈，要學以致用。因此我並不推薦太多資料，下面的是我看過的。
線性代數
小白入門：CS229講義[1]、線性代數的本質[2]
夯實基礎：MIT線性代數[3]、《線性代數及其應用》[4]
論文工具：matrix cookbook[5]、矩陣求導術[6]
概率論
CS229講義
《概率論與數理統計》[7]：陳希儒先生的書，概率論部分可讀性高，數理統計可以參考《概率導論》[8]
可汗學院統計學[9]（我還沒有看過，但很多人推薦
凸優化
CS229講義上[10]、下[11]
參考這個回答如何從零開始學習凸優化？[12]
對於需要進一步深入的同學，這裏補充一個github上關於機器學習和數學基礎的總結，會更系統和全面，供大家參考。
JustFollowUs / Machine-Learning[14]
對於有志於進入人工智能的本科生，這裏還有一份斯坦福公開課的加點路線，除了數學、還補充了計算機類的課程。
https://zhuanlan.zhihu.com/p/144951953zhuanlan.zhihu.com
[1] http://cs229.stanford.edu/p/cs229-linalg.pdf
[2] https://www.bilibili.com/video/av5987715/
[3] https://www.bilibili.com/video/av36568126?from=search&seid=9054773391352490522
[4] https://book.douban.com/subject/1425950/
[5] http://www2.imm.dtu.dk/pubdb/pubs/3274-full.html
[6] https://zhuanlan.zhihu.com/p/24709748
[7] https://book.douban.com/subject/2201479/
[8] https://book.douban.com/subject/26694188/
[9]http://open.163.com/newview/movie/courseintro?newurl=%2Fspecial%2FKhan%2Fkhstatistics.html
[10] http://cs229.stanford.edu/p/cs229-cvxopt.pdf
[11] http://cs229.stanford.edu/p/cs229-cvxopt2.pdf
[12] https://www.zhihu.com/question/68418633/answer/264232350
[13] https://davidrosenberg.github.io/ml2019/#resources
[14] https://github.com/JustFollowUs/Machine-Learning
