凡事预则立，不预则不立。
该markdown格式列表根据洪康杰同学的建议建立，由mutong维护；实践部分请惠彬原补充；各位同学可以在此基础上继续完善。 大三同学，要据此形成一个有明确时间顺序的具体计划。
内容建议：
1机器学习+2~6中任选+7深度学习
- 图书：Sutton的强化学习
- 课程视频：David Siver的强化学习
- 实践环境：OPENAI
- github推荐：
- Implementation of Reinforcement Learning Algorithms. Python, OpenAI Gym, Tensorflow. Exercises and Solutions to accompany Sutton's Book and David Silver's course.
- Python code for Reinforcement Learning: An Introduction
- Minimal and Clean Reinforcement Learning Examples
- Deep Reinforcement Learning Papers
- Awesome Reinforcement Learning
- 知乎推荐：
- 课程视频：Feifei Li在Stanford开设的面向可视化识别的卷积神经元网络
- 课程视频：UCF的CAP 5415 Computer Vision
- Youtube的ComputerVisionFoundation频道
- 王晋东不在家的迁移学习资料列表
- 康奈尔大学的CS7792 Counterfactual Machine Learning课件等资源
- 课程视频：Gilbert Strang在MIT开设的线性代数带中文字幕的网易云课堂
- 图书：清华大学张贤达的《矩阵分析与应用（第2版）》
- 图书：美国工程院院士Dimitri P. Bertsekas的《Introduction to Probability》
- 免费电子书:Introduction to Calculus Volume I Volume II
- Youtube上的视频：essence of linear algebra
- 能熟练运用Git；
- 使用Docker;
- 掌握Python语言，熟悉各种常用工具 教程1、教程2、教程3、教程4(中文)、教程5、Cheatsheets
- 会用Sklearn等机器学习工具包 教程
- 掌握TensorFlow等深度学习框架 练习
- 阅读重要开源软件的源码；
- 掌握C/C++或Java语言。
- 阅读感兴趣方向的经典、或前沿的学术论文；
- 定期对系列算法、方法、工程实践经验进行汇报讲座;
- 建议用Endnote管理文献。
- 避免过拟合学习，避免贪多求全，尽量举一反三：Many could be better than all! 论证:joy:
- 优先级：秉承由易到难的原则，粗体为现阶段必须学习内容。但是，数学基础无论如何也逃不过，逃不过啊，逃不过...
- 视频课程选择标准：1）公认好课；2）难度与自我水平匹配；3）有课后作业，可以自动评判答案。
- 视频课程不能取代阅读领域经典教材；学习教材的目的是为了得到良好知识体系，更快理解前沿学术论文；有突破性的idea不可能通过只读论文就得到，离开实验和实践的环节，所谓的灵感可能只是海市蜃楼般的错觉。读论文、做实验、读论文、做实验...biu...顶级论文（2030年）:joy:
- 嗖... 好东西传送门 机器学习日报新版
- Paper weekly
- 知乎
- quora
- videolectures重要的机器学习、深度学习会议的演讲视频可以在这里找到。
- youtube。知识与信息壁垒是发展最大的障碍。不想浸没在二手信息世界里，请穿墙而过，成为哈利波特大魔法师！
- 周莫烦。知乎大V。通俗易懂，看不下去论文的时候，找他。
- Siraj Raval。工程师届的著名演员和导演^-^。学术视频，大片质量；紧跟前沿，轻松诙谐；有一定深度。
- Sendex。实战狂人，实践入门最佳帮手。问题现说，代码现敲，说理透彻，产量极高。
- 3Blue1Brown、MathTheBeautiful。相信我，你一定喜欢这些家伙讲数学的！！！
- github。赶紧开设个账号，你最好的简历，可能就写在这里...
- Coursera、Edx、Edxedge、Udacity、Udemy、学堂在线。世界的大学，大师在线，永不谢幕！