BAT算法工程师的成长之路，超详细的学习路线

男娘i 2022-12-13 01:42 184阅读 0赞

![我是如何成为算法工程师的，超详细的学习路线][3576e886861a609f65f42d20ff8da5d8.png]

> 点赞再看，养成习惯，微信公众号搜索【JackCui-AI】关注这个爱发技术干货的程序员。本文 GitHub [https://github.com/Jack-Cherish/PythonPark][https_github.com_Jack-Cherish_PythonPark] 已收录，有一线大厂面试完整考点、资料以及我的系列文章。

## 一、前言 ##

各位十一过得如何？

假期，我回了趟老家，文章停更了几天。

写文章以来，被问到**最多的问题**就是「算法的学习路线」。

今天，它来了。

我会带着大家看看，我们需要学些啥，利用这个假期，我甚至还收集整理了配套视频和资料，**暖男**石锤啊，这期文章有用的话，**别忘三连**哦！

## 二、学习路线 ##

主要分为 4 个部分：数学基础、编程能力、算法基础、实战。

![我是如何成为算法工程师的，超详细的学习路线][6e139ff43890d60a1f321ca7c961d04d.png]

### 1、数学基础 ###

在机器学习算法中，涉及到最为重要的数学基本知识有两个：**线性代数**和**概率论**。

这两也是大学的必修课了，如果**知识早已还给老师**，也没关系，**哪里不会学补哪里**。

**线性代数**研究的是线性空间的性质，数据通常会被表示为欧式空间中的点，而这些点经过一系列变换后会映射到另一个空间，在新的空间中隐藏在数据中的规律才得以显现。

所以线性代数作为研究空间的一门科学，是入门机器学习的**最要基础之一**。

**视频**：推荐 MIT 的老教授 Gilbert Strang 的线性代数上课视频。

没学过线代的同学会发现这门课程，讲得清晰而且直观，深入线代的精髓，完全不是那种理论堆砌的讲法，而且老教授幽默风趣，很有人格魅力。

英文不好，也不用担心，**字幕是中文的**。

![我是如何成为算法工程师的，超详细的学习路线][aac3d945ec9f84cddf491af232543dc1.png]

**教材：**推荐《**线性代数及其应用**》，作者是 David C. Lay 。

![我是如何成为算法工程师的，超详细的学习路线][f9619925bb698e1347cced83a3bfd072.png]

喜欢看书的朋友，这本书一定不能错过。

这本书详细地介绍了线性代数在几何学、计算机图形学、经济学、概率论、信号与系统、微分方程等领域的应用，给人以直观的认识。

**概率论**是研究不确定性的一门科学，生活处处是概率。机器学习算法需要对现实情况建模，自然是少不了将概率论作为工具。

这门课入门并不难，大家可以挑一本评分还可以的书开始学习。

这里推荐陈希儒的《**概率论与数理统计**》，讲得很详细，如同听一个老者回忆自己的概率与统计心得，相信读者也会有所收获。

![我是如何成为算法工程师的，超详细的学习路线][4b4837614b3aacbff64d573dba23ddc2.png]

如果**时间充裕**，推荐先学好数学基础。如果**时间不够**，那就跳过数学基础部分，学算法的时候，哪里不会补哪里。

### 2、编程能力 ###

编程语言，需要至少掌握两门， Python 和 C++。

工作中，Python 主要用于**处理数据**、**算法调研**、**模型训练**的工作，而 C++ 则是负责**工程落地**。

[算法工程师][Link 1]，需要针对落地场景，对算法的可靠性和实时性等方面进行优化，C++ 工程能力必不可少。

**Python** 是一门非常友好的编程语言，不但易于入门而且功能强大，在进行机器学习算法开发的过程中会大量使用 Python。

**视频**：我上学看的第一个视频，就是小甲鱼 Python 课程，风趣幽默，涉及Python 语法基础、网络爬虫、Pygame 飞机大战等内容，内容很丰富。

![我是如何成为算法工程师的，超详细的学习路线][6ba1bb1bc532f1180a1439d59c6d1287.png]

**实战是最好的老师**，学习 Python 的时候，可以找一个自己喜欢的方向，去实战。

边实战，边学习。比如写爬虫、做小游戏、玩各种有趣的算法等。

这里面，爬虫是最简单的，很容易有成就感，让你坚持学习下去，下载小说、下载漫画、下载音乐、下载电影、抢票等等小程序。

这个推荐我的一个 Github star 量 11.4k+、fork 4.5k+的爬虫项目。

![我是如何成为算法工程师的，超详细的学习路线][9f2ade3360846f70bb7d97cffae62a40.png]

每个实战，都有对应的**文章教程，**代码开源**。**

项目地址：[https://github.com/Jack-Cherish/python-spider][https_github.com_Jack-Cherish_python-spider]

**教材**：推荐《流畅的Python》，书看完有些难度，但是哪来当个手册用，很方便，哪些语法忘记了，翻阅一番，必能有所收获。

![我是如何成为算法工程师的，超详细的学习路线][2feed8a817168312805a6cf8da866725.png]

**C++ **是一种面向对象的程序设计语言，无论你是做算法，还是做开发，亦或者是做测开。C++ 都应该掌握，它是一个基础的编程语言。学会了这门编程语言，再学其它，就会更得心应手。

**视频**：这部分推荐慕课网的免费教程，很好的入门视频，老师讲得绘声绘色、形象生动、通熟易懂。

一共分为 7 章，每章视频的时间是 2-3 个小时，半个月可以轻松刷完，学习顺序是：

*  C++远征之起航篇
 *  C++远征之离港篇
 *  C++远征之封装篇（上）
 *  C++远征之封装篇（下）
 *  C++远征之继承篇
 *  C++远征之多态篇
 *  C++远征之模板篇

**教材**：推荐被誉为“圣经”的《C++ Primer》，经典巨著，非常棒的书。

![我是如何成为算法工程师的，超详细的学习路线][49b9c9e9437d6be0cefc7ae9209e2734.png]

编程语言基础学完了，接下来就是数据结构与算法。

**数据结构与算法**是程序员的内功，每一个工程师的必修课。

数据结构的学法，我推荐是直接看书，一边学习一边刷题，**同时进行**，这样学的速度快。

就如同书名一样，这是一本像小说一样有趣的算法入门书，非常易懂，强烈推荐。

![我是如何成为算法工程师的，超详细的学习路线][dd4a6d8a5e41b2bf8b805fdd4573d60a.png]

可以与这本书一同学习的，就是《剑指Offer》，里面讲解了 66 道+ 常见数据结构题，解析思路，简单易懂。

两门书一起看，轻松入门数据结构与算法。

不过《剑指Offer》讲解的代码都是 C/C++，没有 Python 版本，想看 Python 版本的，可以看我整理的教程，C++ 和 Python 都有实现和讲解，题目已按照类型划分好。

![我是如何成为算法工程师的，超详细的学习路线][6cc51a15c513bebc9e8832a30bd0d6c0.png]

项目地址：[https://github.com/Jack-Cherish/LeetCode][https_github.com_Jack-Cherish_LeetCode]

两本书都看完，题也刷完了，那就算是**入门**了。

想进阶，进一步学习，直接上 LeetCode。

![我是如何成为算法工程师的，超详细的学习路线][5d205c6b4b5ac9490f6094163bf5473a.png]

力扣可以从 HOT 100 或 精选算法 200 题刷起，题目相对于《剑指Offer》要增加一些难度，但每道题目都有对应的解题思路和答案。

坚持刷完 200 道，大多的面试轻松搞定，完全够用。

当然要面试谷歌级别的大佬，Hard 题是不能放过的。

刷题地址：[https://leetcode-cn.com/][https_leetcode-cn.com]

Tip：刷一遍题，回头看还会忘，不要怀疑自己，要反复刷，反复练习。

### 3、算法基础 ###

恭喜大家，在做了前面这么多基础工作之后，终于可以开始入门机器学习算法了。

**机器学习**：

**视频**：推荐吴恩达老师的机器学习视频，吴恩达是整个领域的**巨头之一**，学术地位很高。同时，他出的视频也对新手**非常友好**，入门的不二之选。

**教材**：还是那句话，光看不练是不行的。《机器学习实战》，理论结合实战，适合新手。

![我是如何成为算法工程师的，超详细的学习路线][76378ad892ac90761f2404f77f4007bb.png]

《机器学习实战》使用 Python2 实现，有些细节讲的不够细致，对此我进行了完善，使用 Python3 复现了一遍，并结合 sklearn 以及更多的好玩例子，进行讲解。

全网阅读量 500w+：

![我是如何成为算法工程师的，超详细的学习路线][7221bee91d29e5dc35db69a3b92c974b.png]

对应的 Github 开源代码 Star 3.3k+，fork 3.1k+。

![我是如何成为算法工程师的，超详细的学习路线][e6f144adb4d8cd45913d1175906222b7.png]

在线阅读地址：

[https://cuijiahua.com/blog/ml/][https_cuijiahua.com_blog_ml]

我也将这个系列打包成了本地 pdf，喜欢离线看，也可以直接下载。

**深度学习**：

深度学习是现在的算法工程师绕不开的一个子领域，是机器学习的子集。

**视频**：还是推荐吴恩达老师的深度学习视频，也是对新手非常友好。

**教材**：说实话，深度学习，我并没有看过书，都是视频+ Github 开源项目学习的，不过被誉为深度学习领域圣经的“花书”，可以备一本。

![我是如何成为算法工程师的，超详细的学习路线][073eb8a53b436bd7b6e79e5451b37a49.png]

**深度学习框架**：

深度学习框架有很多，Tensorflow、Pytorch、Paddle、MXNet、Caffe等。

我在工作过程中，用的最多的是 Pytorch，其次是 Tensorflow。

新手上手，推荐先学 Pytorch，可以直接看 Yunjey Choi 大佬的 Github 教程，简单入门：

项目地址：

[https://github.com/yunjey/pytorch-tutorial][https_github.com_yunjey_pytorch-tutorial]

Pytorch 深度学习框架学习，也可以看我写的 Pytorch 深度学习实战系列教程，有垃圾分类、图像分割等结合实战的小项目。

Github 开源代码 Star 400+，fork 250+。

![我是如何成为算法工程师的，超详细的学习路线][a80d587a192575a4e9c7c23ddcf875b5.png]

项目地址：

[https://github.com/Jack-Cherish/Deep-Learning][https_github.com_Jack-Cherish_Deep-Learning]

我也将这个系列打包成了本地 pdf，喜欢离线看，也可以直接下载。

### 4、实战 ###

实战实战，文章反复提到了这么多次，仅仅这些还是远远不够的。

因为更多时候，你是跟着视频 or 文章的思路去实战，这缺少了**独立思考**的过程。

学了这么多，你并没有独立完成过一个项目，数据怎么处理，怎么分析问题，用什么算法解决问题，也没有独立思考过。

算法工程师的岗位竞争也比较激烈的，为了在茫茫人海中脱颖而出，我们需要以**团队**或**个人**的形式，独立完成一些项目，只有这样，你才能更具竞争力。

对于学生党，做项目，最简单直接的方法就是**参加竞赛**。

推荐两个参加竞赛的地方，一个是国外的 **Kaggle**，另一个是国内的**阿里云天池**。

两个竞赛的奖金也都很丰富，根据自己的喜好，参赛即可。

Kaggle：[https://www.kaggle.com/][https_www.kaggle.com]

![我是如何成为算法工程师的，超详细的学习路线][1281e27d0f99fc96c28e86bf4268e88f.png]

阿里天池：[https://tianchi.aliyun.com/competition/gameList/activeList][https_tianchi.aliyun.com_competition_gameList_activeList]

![我是如何成为算法工程师的，超详细的学习路线][f220830f3619b6ab4a3302c88243add2.png]

既能打比赛，又能赢奖金，何乐而不为呢？

## 三、资料打包 ##

本文提到的资料，我都打包了，可以直接全部打包带走。

![我是如何成为算法工程师的，超详细的学习路线][fd86aabef1da2f42f60b9e004fac45fd.png]

这里都是我精心准备点的资料，但是都是外链，CSDN官方提醒这种分享方式也不太合适。

所以大家，需要的话，可以在公众号后台回复【算法学习路线】获取下载地址。

PS：有能力支持正版的，资料觉得不错，可以去购买支持一波正版。

## 四、絮叨 ##

这篇文章整理的也是我的学习路线。

要说需要学多久，那就看个人的学习动力了。

如果你想去一家不错的公司，但是目前硬实力不过关，我觉得还是有必要去努力一下的，技术能力的高低决定你能走多远，平台的高低，决定你能飞多高。

如果可以通过自己的努力，进入自己心仪的公司，一定不要松懈怠慢，职场成长和学习新技术一样，不进则退。

你往往会发现，身边实力越强的人越努力，**最高级的自律就是享受孤独**。

**创作不易**，**本期硬核**，各位的**三连**就是 Jack Cui 创作的最大动力，我们下次见！

> 文章持续更新，可以微信公众号搜索【JackCui-AI】第一时间阅读，本文 GitHub [https://github.com/Jack-Cherish/PythonPark][https_github.com_Jack-Cherish_PythonPark] 已经收录，有大厂面试完整考点，欢迎Star。

[3576e886861a609f65f42d20ff8da5d8.png]: /images/20221123/d05e677fb2b24a2a94c4d072b58a2569.png
[https_github.com_Jack-Cherish_PythonPark]: https://github.com/Jack-Cherish/PythonPark
[6e139ff43890d60a1f321ca7c961d04d.png]: /images/20221123/529522bd0805425b9978fa90e6dfd340.png
[aac3d945ec9f84cddf491af232543dc1.png]: /images/20221123/2194de6a9f754569898ae1c625b97990.png
[f9619925bb698e1347cced83a3bfd072.png]: /images/20221123/d3569d56f8ba4a1dae4ab604ddc5c2e6.png
[4b4837614b3aacbff64d573dba23ddc2.png]: /images/20221123/50f14fcad60740c482ceabbf380c8606.png
[Link 1]: https://cuijiahua.com/blog/tag/%E7%AE%97%E6%B3%95%E5%B7%A5%E7%A8%8B%E5%B8%88/
[6ba1bb1bc532f1180a1439d59c6d1287.png]: /images/20221123/095da96617a6402491a90d3e1975916f.png
[9f2ade3360846f70bb7d97cffae62a40.png]: /images/20221123/da6387f2d0844a02a913122d18d95f73.png
[https_github.com_Jack-Cherish_python-spider]: https://github.com/Jack-Cherish/python-spider
[2feed8a817168312805a6cf8da866725.png]: /images/20221123/2796b1ccd3634acbb91e8787df481fa1.png
[49b9c9e9437d6be0cefc7ae9209e2734.png]: /images/20221123/93af59ad077e45e6adcebddfeeb75d5f.png
[dd4a6d8a5e41b2bf8b805fdd4573d60a.png]: /images/20221123/af58a82e771b4f2fb2cb8311674e6169.png
[6cc51a15c513bebc9e8832a30bd0d6c0.png]: /images/20221123/38bdf172dd4845e9b22f00055a05895e.png
[https_github.com_Jack-Cherish_LeetCode]: https://github.com/Jack-Cherish/LeetCode
[5d205c6b4b5ac9490f6094163bf5473a.png]: /images/20221123/33965dee96e847ac9325c1413921e4a3.png
[https_leetcode-cn.com]: https://leetcode-cn.com/
[76378ad892ac90761f2404f77f4007bb.png]: /images/20221123/c79df4484f304849803c8a70a445b35b.png
[7221bee91d29e5dc35db69a3b92c974b.png]: /images/20221123/6209665f9c154fa4abcf3d31903188ac.png
[e6f144adb4d8cd45913d1175906222b7.png]: /images/20221123/683b0d814c1147769fdb5cb1406b90ec.png
[https_cuijiahua.com_blog_ml]: https://cuijiahua.com/blog/ml/
[073eb8a53b436bd7b6e79e5451b37a49.png]: /images/20221123/6ca94b41a2f7479fb842353ae1069e1f.png
[https_github.com_yunjey_pytorch-tutorial]: https://github.com/yunjey/pytorch-tutorial
[a80d587a192575a4e9c7c23ddcf875b5.png]: /images/20221123/56cb35a513b245e5bd568645b8c4cee1.png
[https_github.com_Jack-Cherish_Deep-Learning]: https://github.com/Jack-Cherish/Deep-Learning
[https_www.kaggle.com]: https://www.kaggle.com/
[1281e27d0f99fc96c28e86bf4268e88f.png]: /images/20221123/d486186db4504a59bf4e1c25d46e9c40.png
[https_tianchi.aliyun.com_competition_gameList_activeList]: https://tianchi.aliyun.com/competition/gameList/activeList
[f220830f3619b6ab4a3302c88243add2.png]: /images/20221123/a47ac1e928794c73ae3d071338ab70bb.png
[fd86aabef1da2f42f60b9e004fac45fd.png]: /images/20221123/706f6e7eb8a34f34a04463a57d3ff453.png